Магістерські роботи (СПСКС)
Постійне посилання зібрання
Переглянути
Нові надходження
Документ Відкритий доступ Нейромережева модель відслідковування руху автотранспорту(КПІ ім. Ігоря Сікорського, 2024) Сущенко, Дар’я Вікторівна; Терейковський, Ігор АнатолійовичАктуальність теми: зростаюча складність міських транспортних систем вимагає вдосконалених методів аналізу та прогнозування дорожнього руху. Точні прогнози трафіку необхідні для ефективного управління дорожнім рухом, зменшення заторів та покращення міської мобільності. Мета роботи: метою даної магістерської роботи являється підвищення ефективності відслідковування руху автотранспорту. Об'єкт дослідження: об'єктом дослідження є процеси, пов’язані з відслідковуванням руху автотранспорту. Предмет дослідження: предметом дослідження є нейромережеві моделі та методи відслідковуванням руху автотранспорту. Методи дослідження: методи статистики, теорії ймовірності, нейронних мереж та дослідження операцій. Наукова новизна: удосконалена нейромережева модель призначена для управління рухом транспортними засобами та регулюванням потоком транспортних засобів, що за рахунок інтеграції згорткової нейронної мережі забезпечує можливість зменшення кількості заторів. Практична цінність: розроблені моделі можуть бути інтегровані в існуючі системи управління дорожнім рухом з мінімальними модифікаціями, значно підвищуючи точність прогнозування трафіку. Це має практичне значення для управління дорожнім рухом у реальному часі та довгострокового міського планування. Особистий внесок магістранта: проведено аналіз науково-практичних робіт та існуючих рішень щодо розпізнавання об’єкта на зображенні та відео, досліджено процесу розпізнавання за допомогою нейронної мережі CNN. Запропоновані нові архітектурні рішення, що забезпечили можливість підвищити адаптованість нейромережевої моделі до умов задачі відслідковування. Апробація результатів дисертації: результати дисертації були представлені на кількох наукових конференціях та семінарах, отримавши позитивні відгуки від наукової спільноти. Публікації: результати дослідження були опубліковані в рецензованих журналах і матеріалах конференцій, що є внеском у розвиток знань в області аналізу трафіку і нейронних мереж. Структура та обсяг роботи: документ складається з 102 сторінки, включаючи рисунки, таблиці та 2 додатки. Він охоплює теоретичні основи, методологію, експериментальні результати та висновки.Документ Відкритий доступ Спосіб нейромережевого розпізнавання ключових слів у аудіопотоці(КПІ ім. Ігоря Сікорського, 2024) Савченко, Владислав Сергійович; Терейковський, Ігор АнатолійовичАктуальність теми. У сучасному світі інформаційні технології стрімко розвиваються, і зростаючий обсяг даних вимагає ефективних методів їх обробки та аналізу. Однією з найбільш динамічних областей є обробка аудіоінформації, зокрема, розпізнавання ключових слів у аудіопотоці. Ця технологія знаходить застосування в різноманітних сферах, від інтелектуальних систем допомоги до автоматизації бізнес-процесів і розваг. З розвитком глибокого навчання та нейромереж, розпізнавання ключових слів стало більш точним і ефективним. Нейромережеві моделі, особливо рекурентні нейронні мережі (RNN) та їх вдосконалені версії, такі як довготривалі короткочасні пам'яті (LSTM) та гейтовані рекурентні одиниці (GRU), дозволяють аналізувати послідовності даних та розпізнавати складні патерни у аудіопотоці. Основною перевагою нейромережевих підходів є їх здатність адаптуватися до різноманітних умов і варіацій у мові, акцентах, інтонаціях та шумі фону. Це робить їх надзвичайно корисними для застосування у реальних умовах, де аудіосигнали часто супроводжуються різними перешкодами. Крім того, сучасні методи глибокого навчання дозволяють зменшити потребу у великих обсягах вручну позначених даних, завдяки використанню методів навчання з підкріпленням та переднавчання на великих мовних корпусах. Розпізнавання ключових слів у аудіопотоці має широке коло застосувань. Наприклад, у сфері розумних помічників (такі як Siri, Google Assistant, Alexa), де користувачі взаємодіють з системою за допомогою голосових команд. Уміння швидко і точно розпізнавати ключові слова дозволяє цим системам надавати більш персоналізовані та ефективні послуги. У сфері безпеки та моніторингу нейромережеве розпізнавання ключових слів може використовуватися для виявлення потенційних загроз або для автоматичного транскрибування розмов у режимі реального часу. Це може бути корисним у контексті забезпечення громадської безпеки, моніторингу дзвінків у службах підтримки клієнтів або для збору розвідувальної інформації. Не менш важливим є застосування цієї технології у медицині, зокрема, для створення систем допомоги людям з обмеженими можливостями. Наприклад, системи розпізнавання мови можуть допомагати людям з порушеннями зору чи слуху отримувати інформацію та взаємодіяти зі світом. Наукові дослідження у цій області також спрямовані на підвищення ефективності алгоритмів, зменшення затримок у обробці аудіосигналів та покращення точності розпізнавання. Це включає використання методів трансферного навчання, удосконалення архітектур нейромереж та інтеграцію різноманітних джерел даних для підвищення надійності системи. З огляду на всі наведені аргументи, можна зробити висновок, що нейромережеве розпізнавання ключових слів у аудіопотоці є актуальною і перспективною темою, яка має величезний потенціал для розвитку та впровадження у різних галузях. Розвиток цієї технології сприятиме створенню більш інтелектуальних, адаптивних та корисних систем, які можуть значно покращити якість життя та ефективність роботи у різних сферах діяльності. Метою дослідження є забезпечення ефективного розпізнавання ключових слів в аудіопотоці за допомогою комбінованого підходу з гнучкою нейромережевою моделлю. Об’єктом дослідження є процес розпізнавання ключових слів в аудіопотоці. Предметом дослідження є спосіб виявлення ключових слів в аудіопотоці. Наукова новизна полягає в наступному: 1) Удосконалено спосіб розпізнавання ключовхих слів в аудіопотоці що за рахунок використання метод обробки вхідних даних для нейромережевої можелі аналізу голосового сигналу та за рахунок використання згорткової нейронної мережі адаптованої до умов задачі розпізнавання ключових слів забезпечує підвищення ефективності розпізнавання голосових сигналів в комп’ютерних системах загального призначення. 2) Удосконалено метод обробки вхідних даних для нейромережевої моделі аналізу голосового сигналу, що зебезпечує підвищення швидкості навчання нейромережевої моделі. Практична цінність : Практична цінність даного дослідження полягає у створенні ефективного методу розпізнавання ключових слів в аудіопотоці, що може бути впроваджений у різні галузі. Завдяки новому підходу до обробки аудіоданих та покращенню нейронних мереж, результати дослідження можуть застосовуватися у розробці розумних помічників, систем безпеки, моніторингу та медичних пристроїв для людей з обмеженими можливостями. Підвищена точність і швидкість розпізнавання мовлення сприяють покращенню взаємодії користувачів з технологіями, забезпечуючи більш ефективну та надійну роботу систем. Це, в свою чергу, сприяє підвищенню якості життя та продуктивності у різних сферах діяльності. Апробація роботи 1. Савченко, В.С., Терейковський, І.А. (2024). Методи нейромережевого розпізнавання ключових слів в аудіофайлі. Sсience — Technology — Innovation. – 2024. 2. Савченко, В.С., Терейковський, І.А. (2024). Методи нейромережевого розпізнавання ключових слів в аудіофайлі. «Перспективні напрямки наукових досліджень» – 2024. Структура та обсяг роботи. Робота складається із вступу та чотирьох розділів. Загальний обсяг роботи: 99 аркушів основного тексту, 7 ілюстрацій, 2 таблиці, 2 додатки (лістинг програми, презентація). При підготовці використовувалася література з 53 різних джерел.Документ Відкритий доступ Метод виявлення текстової інформації, згенерованої штучним інтелектом(КПІ ім. Ігоря Сікорського, 2024) Савицький, Ярослав Вікторович; Наливайчук, Микола ВасильовичАктуальність теми. У сучасному науковому та інформаційному просторі, швидке зростання використання технологій ШІ значно впливає на процеси створення текстового контенту. ШІ може генерувати статті, звіти, аналітичні матеріали, що в зовнішніх ознаках мало чим відрізняються від текстів, написаних людиною. Однак, хоча такі текстові генерації можуть виявитися корисними для зменшення рутинної роботи, вони також породжують нові виклики у контексті автентичності і довіри до наукових та інформаційних джерел. Розвиток технологій, які можуть автоматично ідентифікувати та класифікувати текст, створений за допомогою ШІ, є важливим для забезпечення цілісності наукової комунікації та захисту інтелектуальної власності. Об’єктом дослідження є наукові статті та інші види наукової літератури, згенеровані штучним інтелектом. Предметом дослідження є методи та алгоритми нейронних мереж, які дозволяють класифікувати текст за допомогою розпізнавання та класифікації його походження. Мета роботи: покращення розпізнавання текстової інформації, згенерованої штучним інтелектом, серед наукових текстів, за допомогою нейронної мережі. Основні завдання включають: 1. Збір та аналіз даних, що містять як текст, створений людиною, так і ШІ. 2. Розробка і валідація моделі нейронної мережі для класифікації текстів.Навчання та тестування моделі на підготованому наборі даних. 3. Оцінка точності розпізнавання та ефективності моделі. Наукова новизна полягає у створенні новітнього методу для обробки та аналізу наукових текстів, що дозволяє вдосконалити класифікацію та підвищити точність визначення походження тексту. Практична цінність роботи виражається у можливості застосування розробленого методу в академічних та видавничих сферах для верифікації наукового контенту. Апробація роботи основні положення та результати роботи були представлення та обговорювались IV Міжнародна науково-практична конференція “PERSPECTIVES OF CONTEMPORARY SCIENCE: THEORY AND PRACTICE”, 26-28.05.2024, Львів, Україна. Структура та обсяг роботи. Дисертація містить вступ, чотири розділи, висновки і додатки. Описано історію розвитку та теоретичні аспекти використання штучного інтелекту для текстового аналізу, детальний аналіз підходів до навчання мереж, експериментальні методики та оцінку результатів. У вступі надано загальний огляд проблематики дослідження, зосереджено увагу на актуальності розпізнавання тексту, згенерованого штучним інтелектом, в сучасному науковому і практичному контексті. Визначено ключові виклики та висвітлено практичне значення дослідження. У першому розділі проведено детальний аналіз теоретичних аспектів розпізнавання тексту. Розглянуто основні поняття та історію розвитку штучного інтелекту в контексті генерації тексту. Описано сучасні методи та підходи, що використовуються для розпізнавання текстів, зокрема, в області обробки природної мови. Також обговорено переваги та недоліки цих методів. У другому розділі зосереджено увагу на визначенні критеріїв та метрик, які використовуються для оцінювання текстів, згенерованих штучним інтелектом. Детально проаналізовано різні метрики точності та проведено аналіз типових помилок, які часто зустрічаються під час автоматизованої генерації тексту. Також розглянуто ефективність різних технік на підставі практичних даних, що дозволяє оцінити їхню застосовність у реальних умовах. У третьому розділі проведено аналіз сучасних алгоритмів та методів, які використовуються для розпізнавання тексту, згенерованого ШІ. Обговорено як традиційні методи, так і інноваційні підходи в машинному навчанні та глибокому навчанні. Описано основні алгоритми та їхню адаптацію для конкретних завдань розпізнавання тексту. У четвертому розділі містяться результати реалізації та тестування нейронної мережі, розробленої для розпізнавання ШІ-генерованого тексту. Презентовано методику валідації, обговорено результати тестувань та порівняно ефективність запропонованого рішення з існуючими методами. У висновках підсумовано основні результати дослідження, підкреслено значення роботи у контексті розвитку технологій розпізнавання тексту та надано рекомендації щодо подальших напрямків розвитку в даній області. Робота складається з 93 аркушів, включає посилання на літературу.Документ Відкритий доступ Спосіб виявлення невизначеностей при самотестуванні багатопроцесорних систем(КПІ ім. Ігоря Сікорського, 2024) Романкевич, Олексій Віталійович; Морозов, Костянтин ВячеславовичАктуальність теми. Однією з важливіших задач побудови засобів комп’ютерної інженерії є потреби високої надійності. Серед таких засобів особливої уваги вимагають багатопроцесорні системи управління складними об’єктами, наприклад, літаками. Багатопроцесорні системи дозволяють одночасно вирішувати задачі забезпечення як високої швидкодії, так і потрібного рівня надійності. Щодо надійності, то необхідний рівень у сучасних багатопроцесорних системах досягається шляхом побудови їх їх відмовостійкими. Серед задач, які при цьому потрібно вирішувати особливе місце займає задача організації взаємотестування процесорів, оскільки саме самотестувння процесорів впливає як на надійність, так і на швидкодію системи. Отже задачі організації взаємотестування процесорів у багатопроцесорних системах є і надалі будуть актуальними. Об’єктом дослідження є процес взаємотестування процесорів у відмовостійких багатопроцесорних системах. Предметом дослідження є методи та засоби визначення стану як окремих процесорів, так і системи в цілому для відмовостійких багатопроцесорних систем з архітектурою циркулянтів. Мета роботи полягає в наступному: на основі порівняльного аналізу відомих методів організації взаємотестування процесорів у відмовостійких багатопрцесорних системах розробити вдосконалення методу зменшення кількості взаємоперевірок процесорів та дослідити можливість виникнення невизначеностей при встановленні стану окремих процесорів. Методи дослідження. В роботі використовуються методи аналізу результатів взаємотестування процесорів та оцінки кількості взаємоперевірок, методи математичної логіки, теорії графів, теорії ймовірностей. Наукова новизна роботи полягає у наступному. Вдосконалено метод зменшення кількості взаємоперевірок процесорів у відмовостійкій багатопроцесорній системі з архітектурою циркулянта з двома вхідними та двома вихідними зв’язками за рахунок аналізу поведінки системи при різних скачках та різному розташуванні справних та несправних процесорах. Доведено, що існують ситуації, коли кількість процесорів, стан яких невизначено, перевищує відому оцінку та виявлено умови, при яких це можливо. Практична цінність результатів роботи. Підхід до організації взаємотестування процесорів у відмовостійкій багатопроцесорній системі, що розглядається в роботі дозволяє зменшити кількість взаємотестувань до 2n при можливому ризику виникнення невизначеностей. В результаті виконаних досліджень пропонується алгоритм встановлення всіх можливих невизначеностей і даються рекомендації щодо їх ліквідації. Взагалі це дає розробнику системи зменшити час самотестування системи. Враховуючи той факт, що таке самотестування виконується постійно, можна стверджувати, що збільшується продуктивність системи. Апробація роботи. Результати роботи були представлені на конференціях для магістрантів та аспірантів ПМК-23 та ПМК-24, а також у статті «Метод зменшенні кількості взаємоперевірок при самотестуванні багатопроцесорних систем» у науково-технічному журналі «РАДІОЕЛЕКТРОННІ І КОМП'ЮТЕРНІ СИСТЕМИ» № 4(88), Харків. Структура та обсяг роботи. Робота складається з вступу, 3-х розділів та висновків. У вступі дається загальна характеристика роботи, формулюється мета, визначається наукова новизна та практична цінність одержаних результатів. У першому розділі проводиться оцінка сучасного стану проблеми підвищення надійності багатопроцесорних систем управління складними об’єктами, обгрунтовано актуальність теми та вибір напрямку досліджень, описуються обмеження сучасних методів досліджень, зокрема з використанням різних моделей несправностей. У другому розділі наводяться відомі результати в області організації взаємотестування процесорів у відмовостійких багатопроцесорних системах, аналізуються можливості відповідних методів при застосуванні до архітектури циркулянтів, визначаються недоліки організації самотестування таких систем, обґрунтовується вибір методу мінімізації числа взаємоперевірок і пропонується його модифікація. Третій розділ присвячується опису алгоритму та програмного продукту, який дозволяє виконувати моделювання проведення тестових експериментів з системами з архітектурою циркулянтів з різним розташуванням справних і несправних процесорів, що дозволяє виявляти невизначенності. У висновках наводяться основні досгнення проведених досліджень. Робота виконана на 94 аркушах, містить 3 додатки та список використаних джерел з 12 найменувань. У роботі наведено 40 рисунків.Документ Відкритий доступ Метод збереження інформації з маскуванням авторизаційних даних(КПІ ім. Ігоря Сікорського, 2024) Рожко, Дмитро Вікторович; Коляда, Костянтин ВячеславовичАктуальність теми З розширенням та ускладненням Інтернету з’явилась можливість використовувати дану мережу у побуті та різноманітних сферах ділової активності. Відправка повідомлень між користувачами електронної пошти, соціальних мереж, взаємодія з сервером, обробка бізнес завдань державних чи приватних компаній потребує захисту передачі персональних даних. Актуальною є також проблема їх збереження на рівні бази даних. Розробка нової нормальної форми об’єктного проектування бази даних буде корисною для проектування нових баз даних з можливістю її міграції та спрощеною структурою. Для захисту даних буде корисною методологія маскування авторизаційних даних у трирівневому мікросервісному застосунку. Об’єктом дослідження є системи передачі да збереження персональних даних в мережі Інтернет. Предметом дослідження є нормальні форми бази даних, методи захисту, збереження та аноннімізації даних в запитах застосунків трирівневої мікросервісної архітектури. Мета роботи: покращення архітектури нормальної форми об’єктним підходом проектуванням бази даних та пропозиція нового метода маскування конфіденційних даних у трирівневому мікросервісному веб застосунку. Методи дослідження: аналіз даних та оцінка процесів взаємодії з базою, аналіз існуючих підходів до процесу авторизації в базах даних. Наукова новизна полягає в наступному: 1. Запропоновано модифікований метод проектування даних для довготривалої підтримки. 2. Запропоновано новий метод захисту конфіденційних даних при їх передачі від клієнта до сервера. Практична цінність отриманих результатів в роботі полягає в використанні запропонованих методів збереження та захисту даних для трирівневої мікросервісної архітектури вебзастосунка, в результаті чого покращується анонімність передачі конфіденційних даних та забезпечується ефективніше збереження їх в базу даних зі спрощеною структурою із можливістю подальшої міграції при розширенні проекта та збереженні актуальності наявних запитів. Особистий внесок магістранта: аналіз існуючих методів проектування баз даних та процесу авторизації, розробка та порівняння нових підходів збереження та анонімізації даних користувача. Надано методику модифікованого методу проектування бази. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на II Міжнародній науково-практичній конференція магістрантів та аспірантів «PERSPECTIVES OF CONTEMPORARY SCIENCE: THEORY AND PRACTICE», 1-3.04.2024, Львів, Україна. Публікації. Тези II Міжнародної науково-практичної конференції магістрантів та аспірантів «PERSPECTIVES OF CONTEMPORARY SCIENCE: THEORY AND PRACTICE», 1-3.04.2024, Львів, Україна. Стаття «Використання метаеврістичних алгоритмів для розв’язку задачі комівояжера». Комп'ютерно-інтегровані технології: освіта, наука, виробництво. Луцьк, 2024. Випуск № 55 (видання України категорія «Б») Структура та обсяг роботи. Магістерська дисертація складається з вступу, трьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі розглянуто існуючі методи захисту переданих даних у трирівневій мікросервісній архітектурі, а також проведений аналіз існуючих методів збереження даних в реляційній базі даних, який дає змогу визначити основні переваги та недоліки зазначених підходів. У другому розділі дисертації описано загальні методики проведення дослідження, наводяться методи рішення задач та їх порівняльна оцінка. У ньому також надано методи розрахунку з формуванням гіпотез, оцінка похибок обчислень, принципи дії і характеристики застосованих програмних та апаратних засобів. Містяться описи наукових методів та моделей, за допомогою яких можливе підтвердження гіпотези та досягнення результатів. Враховано отримання нових наукових даних, описано інноваційність досліджень та їх можливе практичне впровадження. У третьому розділі описано дослідження запропонованих до розгляду методів, їх ефективне застосування з урахуванням сучасних наукових підходів рішення поставлених задач. У цьому розділі викладено хід дослідження, умови їх коректності та основні пункти проведених дослідів. Також тут детально викладено результати проведених власних експериментів. Показано, яким чином їх було отримано, та описано новизну результатів. У висновках представлений аналіз результатів проведеної роботи. Повний обсяг дисертації – 117 сторінок, у тому числі 82 сторінки основного тексту, 37 рисунка, 2 таблиці, 23 слайдів презентації.Документ Відкритий доступ Спосіб побудови небазових GL-моделей шляхом комбінації реберних функцій базових моделей(КПІ ім. Ігоря Сікорського, 2024) Морозова, Анна Володимирівна; Романкевич, Віталій ОлексійАктуальність теми. В сучасному світі все більш поширеними стають автоматизовані або й повністю автоматичні системи. Керування ними покладається на спеціальний вузол – систему керування. В ряді випадків можуть ставитися підвищені вимоги як до їх надійності, так і до їх продуктивності, через що такі системи доцільно виконувати на базі відмовостійких багатопроцесорних систем. Розробнику потрібен інструмент для оцінки надійності створюваної ним системи. Оцінка параметрів надійності відмовостійких багатопроцесорних систем, а особливо систем керування є непростою задачею, особливо, коли система є небазовою, тобто, стійкою до одних відмов деякої кратності та нестійкою до інших відмов тієї ж кратності. Розрахунок параметрів надійності таких систем може бути виконано шляхом проведення статистичних експериментів із моделями їх поведінки в потоці відмов, в якості котрих можуть бути застосовані GL-моделі. Проте, існуючі методи дозволяють будувати лише базові GL-моделі, які для випадку небазових систем мають бути відповідним чином модифіковані. Існуючі методи модифікації GL-моделей мають ряд недоліків, тому створення нових способів побудови небазових GL-моделей є актуальною задачею. Об’єктом дослідження є GL-моделі поведінки відмовостійких багатопроцесорних систем в потоці відмов, методи їх побудови та використання для розрахунку параметрів надійності таких систем. Предметом дослідження є способи модифікації МВР-моделей для побудови GL-моделей небазових відмовостійких багатопроцесорних систем. Мета роботи: на базі існуючих методів побудови базових GL-моделей отримання способу побудови GL-моделей небазових відмовостійких багатопроцесорних систем, які базуватимуться на циклічних графах. Методи дослідження: методи булевої алгебри, теорії графів, комбінаторного аналізу та теорії множин. Наукова новизна полягає в наступному: 1. Запропоновано спосіб об’єднання виразів реберних функцій декількох МВР-моделей. 2. Запропоновано спосіб розширення набору реберних функцій МВР-моделей до заданої кількості. 3. Розроблено алгоритм побудови небазових GL-моделей на основі комбінації виразів реберних функцій МВР-моделей. Практична цінність отриманих в роботі результатів полягає в тому, що запропонований спосіб побудови небазових GL-моделей дозволяє отримувати моделі поведінки в потоці відмов для небазових відмовостійких багатопроцесорних систем, які в подальшому можуть бути використані для розрахунку параметрів їх надійності. При цьому граф моделі залишається циклічним, на відміну від моделей, отриманих деякими з існуючих методів. Це дозволяє спростити крок оцінки зв’язності графу. Розроблений алгоритм дозволяє будувати GL-моделі небазових систем відповідно до їх опису. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на XVI науково-практичній конференції магістрантів та аспірантів "Прикладна математика та комп'ютинг" ПМК-2023 (Київ, 28-30 листопада 2023р.), 3-й Міжнародній науково-практичній конференції «SOCIETY AND SCIENCE: INTERCONNECTION» (Порто, Португалія, 16-18 листопада, 2023 р.), а також 4-й Міжнародній науково-практичній конференції «Diversity and Inclusion in Scientific Area» (Варшава, Польща, 26-28 березня, 2024 р.). Публікації: 1. Романкевич В.О., Морозова А.В., Крайносвіт А.А. Спосіб побудови небазових GL-моделей на базі комбінації реберних функцій базових моделей // Прикладна математика та комп'ютинг. ПМК-2023: Шістнадцята наукова конференція магістрантів та аспірантів, Київ, 28-30 листопада 2023 р.: збірник тез доповідей [редкол.: Дичка І.А. та ін.]. – К.: Просвіта, 2023. – С. 348-353. 2. Морозова А., Морозов К., Крайносвіт А. Про МВР-модель із додатковими ребрами // Proceedings of the 3rd International Scientific and Practical Conference «Society and Science: Interconnection» (November 16-18, 2023). Porto, Portugal. – 2023. – Vol. 178. – С. 326-328. 3. Морозова А., Морозов К., Крайносвіт А. Про один спосіб модифікації реберних функцій МВР-моделі із додатковими умовами // Proceedings of the 4th International Scientific and Practical Conference «Diversity and Inclusion in Scientific Area» (March 26-28, 2024). Warsaw, Poland. – 2024. – Vol. 194. – С. 454-457. 4. Romankevich V.A., Morozov K.V., Romankevich A.M., Morozova A.V., Zacharioudakis L. On the method of building of non-basic GL-models which are formed on combination of edge functions of basic models // Applied Aspects of Information Technology. – 2024. – Vol. 7, No. 2. – P. 175-188. Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету та задачі досліджень, показано наукову новизну отриманих результатів та практичну цінність роботи, наведено відомості про апробацію результатів та їхнє впровадження. В першому розділі проаналізовано існуючі методи розрахунку параметрів надійності відмовостійких багатопроцесорних систем, зокрема, шляхом проведення статистичних експериментів із моделями їх поведінки в потоці відмов, а також використання GL-моделей, зокрема, МВР-моделей, в якості таких; розглянуто властивості та методи побудови МВР-моделей, а також методи їх модифікації для отримання моделей небазових систем. В другому розділі проаналізовано можливості побудови небазових GL-моделей на базі комбінації реберних функцій пари МВР-моделей, запропоновано спосіб об’єднання виразів реберних функцій таких моделей, а також спосіб розширення множини реберних функцій МВР-моделей. В третьому розділі досліджено можливості комбінування реберних функцій для довільної кількості моделей та запропоновано алгоритм побудови небазової GL-моделі на базі комбінації виразів реберних функцій МВР-моделей. В четвертому розділі представлено опис експериментів, що було проведено для підтвердження коректності запропонованого способу, а також проаналізовано результати цих експериментів. У висновках виконано узагальнення отриманих в роботі результатів та надано рекомендації щодо їх наукового та практичного використання. Робота представлена на 95 аркушах, містить посилання на список з 35 використаних літературних джерел. У роботі наведено 23 рисунки та 1 таблиця.Документ Відкритий доступ Система розпізнавання іменованих сутностей у тексті з використанням глибинних нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Мелюх, Василь Вікторович; Потапова, Катерина РоманівнаАктуальність теми. Розвиток сучасного суспільства тісно пов'язаний з автоматизацією процесу обробки інформації, що особливо проявляється в сучасній епосі цифрової трансформації та стрімкого просування інформаційних технологій, коли аналіз великих обсягів текстових даних стає ключовим завданням для багатьох сфер діяльності. Особливо важливим є розпізнавання іменованих сутностей (NER) в тексті, а саме ідентифікація осіб, місць, організацій та інших важливих категорії, яке знаходить застосування у багатьох галузях, включаючи комп'ютерні науки, лінгвістику, біоінформатику та інші. У бізнесі NER-системи використовуються для аналізу ринків, прогнозування попиту, розподілу ресурсів та ризиків. В сфері медицини вони допомагають в ідентифікації пацієнтів, діагнозів та лікуванні. У правоохоронній діяльності системи NER використовуються для виявлення та прогнозування злочинів, а в галузі науки - для аналізу наукових публікацій та виявлення прихованих або неочевидних знань у працях. При цьому, з розвитком глибокого навчання та нейронних мереж відкриваються нові можливості для покращення точності та продуктивності систем розпізнавання іменованих сутностей. Інтеграція глибинних нейронних мереж у поєднанні з методами обробки природної мови дозволяє суттєво підвищити ресурсоефективність задач обробки даних у наперед визначені класи завдяки більш ефективному виявленню складних залежностей та шаблонів у текстовій інформації. Отже, розробка систем розпізнавання іменованих сутностей у тексті з використанням глибинних нейронних мереж залишається актуальною задачею, оскільки ця технологія може значно оптимізувати та прискорити роботу зі значними масивами текстових даних. Мета роботи полягає в аналізі та розробці ефективних моделей для розпізнавання іменованих сутностей на базі класифікаторів обробки природної мови та глибинних нейронних мереж для покращення точності та швидкодії системи з обмеженими вхідними даними. Дослідження спрямоване на порівняння різних підходів розпізнавання для визначення оптимальних архітектур та методів оптимізації для досягнення максимальної продуктивності. Об’єктом дослідження є предметно-орієнтована система розпізнавання іменованих сутностей (NER) в тексті, що базується на використанні методів обробки природної мови (NLP) та глибинних нейронних мереж (DNN) зі здатністю до масштабування. Предметом дослідження є моделі машинного для розпізнавання іменованих об’єктів в тексті, архітектури глибинних нейронних мереж, а також оцінювання продуктивності розроблених систем шляхом емпіричних досліджень і експериментів. Методи дослідження cкладаються із загальнонаукових та спеціальних методів пізнання, зокрема: 1. Аналітичний метод: для комплексного вивчення та узагальнення останніх наукових розробок вітчизняних та зарубіжних вчених у сфері розпізнавання іменованих об’єктів (NER) та розробки масштабованих і предметно-орієнтованих систем NER. 2. Метод аналізу та синтезу: для уточнення та конкретизації понятійно-категоріального апарату у сфері NLP, систематизації знань про алгоритми та програмне забезпечення для NER, а також для формулювання теоретичних положень та висновків дослідження. 3. Метод аналогії та порівняння: для виявлення та співставлення особливостей існуючих методів та підходів до NER, а також для обґрунтування вибору та розробки покращених алгоритмів і програмного забезпечення. 4. Систематизація: для розкриття основних тенденцій, закономірностей та принципів розвитку систем NER, а також для формування класифікацій та типологій алгоритмів і програмного забезпечення. 5. Абстрактно-логічний метод: для формулювання гіпотез, теоретичних положень та висновків дослідження, а також для обґрунтування запропонованих новітніх підходів до розробки масштабованих і предметно-орієнтованих NER-систем. 6. Метод дедукції та моделювання: для вироблення пропозицій щодо удосконалення механізмів NER, розробки нових алгоритмів та програмного забезпечення, а також для оцінювання їх ефективності. 7. Експериментальні методи: для проведення досліджень з метою оцінки ефективності розроблених алгоритмів та програмного забезпечення NER на тестових наборах даних. 8. Методи статистичного аналізу: для обробки результатів експериментів, виявлення статистичних закономірностей та формулювання висновків про ефективність запропонованих методів і підходів. Наукова новизна одержаних результатів полягає в наступному: 1. Представлення удосконалених архітектур та гібридних моделей, що поєднують різні типи нейронних мереж, додаткові шари та механізми обробки даних з метою досягнення вищої продуктивності в задачах NER порівняно з існуючими моделями глибинного навчання. 2. Імплементація та оцінка ефективності розширених технік попередньої обробки вхідних даних з метою оптимізації продуктивність глибинних ненейронних мереж. 3. Дослідження та застосування методів контекстуального вкладання слів (contextual embeddings) для тонкого налаштування (fine-tuning) предметно-орієнтованих моделей з метою підвищення ефективності розпізнавання іменованих сутностей у різних контекстах. 4. Адаптація моделей нейронних мереж до конкретних доменів з урахуванням унікальних особливостей і термінології цих областей з предметно-орієнтованих баз знань. 5. Проведення комплексного порівняльного аналізу існуючих систем для демонстрації ефективності запропонованих методів. Практична значення одержаних результатів цієї роботи зводиться до розробки та створення програмної компоненти на основі архітектури глибинних нейронних мереж в рамках задачі розпізнавання іменованих сутностей. Розроблена NER-система характеризується високою точністю та ефективністю обробки великих обсягів текстових даних, що робить її придатною для використання в різних предметних областях, мінімізуючи потребу в ручному втручанні та зменшуючи ризик людських помилок. Система здатна до адаптації та інтеграції з різними типами баз даних, включаючи популярні СУБД, через API або спеціальні конектори. Завдяки можливості обробки даних у режимі реального часу та автоматизації процесів вилучення та заповнення бази даних, система забезпечує економію ресурсів та підвищує ефективність пошуку та аналізу інформації. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на XVI науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ, 28-23 листопада 2023 р.), а також у 8-ій міжнародній науково-практичній конференції BoScience, Бостон, США. 2023. Структура та обсяг роботи. Магістерська дисертація складається зі вступу, чотирьох розділів, висновків по кожному розділу та повноцінних висновків загальної роботи, списку використаних літературних джерел (42 найменувань). Повний обсяг дисертації – 122 сторінок, у тому числі 102 сторінок основного тексту, 25 рисунків, 6 таблиць У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі розглянуто історичний розвиток та сучасні тенденції у галузі розпізнавання іменованих сутностей. Детально розглянуто методи на основі правил, статистичні методи (включаючи приховану марковську модель, умовні випадкові поля та метод опорних векторів), методи на основі машинного навчання, а також застосування глибинних нейронних мереж для розпізнавання іменованих сутностей. Розділ завершується оглядом сучасних проблем та перспектив розвитку області природної обробки мови у рамках задачі розпізнавання іменованих об’єктів та порівняльним аналізом методів розпізнавання іменованих сутностей. У другому розділ. детально розглянуто методи навчання та адаптації в системах розпізнавання іменованих сутностей. Висвітлено попередній аналіз та підготовку даних, перетворення даних у векторні представлення слів, а також огляд архітектур нейронних мереж для NER (включаючи згорткові нейронні мережі, рекурентні нейронні мережі та трансформаторні моделі). Розглянуто хід навчання та оцінку метрик ефективності моделей. У третьому розділі розглянуто програмне середовище для розробки та вибір програмного забезпечення. Описано вибір та попередню обробку набору даних, включаючи формування та характеристику корпусу текстів, методи попередньої обробки даних та збір даних. Детально розглянуто проектування та архітектуру системи розпізнавання іменованих сутностей, інтеграцію контекстуальних представлень для подальшого використання у моделі машинного навчання, а також реалізацію архітектур моделей глибинних нейронних мереж. Розглянуто налаштування параметрів та оптимізацію роботи системи. Описано наукову новизну дослідження.. У четвертому розділі описано набори даних для проведення дослідження. Виконано тестування точності та швидкодії системи на реальних даних, а також порівняння запропонованої системи з існуючими методами. Експериментально підтверджено покращення моделей та їх доцільність. У висновках представлені результати проведеної роботи, висновки щодо ефективності розробленої системи розпізнавання іменованих сутностей на основі глибинних нейронних мереж, а також рекомендації для подальших досліджень у цій галузі.Документ Відкритий доступ Спосіб підвищення ефективності використання хмарних ресурсів(КПІ ім. Ігоря Сікорського, 2024) Котлярський, Алекс Олександрович; Петрашенко Андрій ВасильовичАктуальність теми. У сучасному світі стрімкий розвиток інформаційних технологій обумовлює необхідність використання хмарних обчислень, які забезпечують надійний і гнучкий доступ до ресурсів. Хмарні технології дозволяють компаніям знижувати витрати на інфраструктуру, підвищувати масштабованість та забезпечувати високий рівень безпеки даних. Проте, зростання популярності хмарних сервісів ставить перед користувачами та адміністраторами нові виклики, пов'язані з оптимізацією їх використання. Об'єктом дослідження є хмарні ресурси та процес їх використання. Предметом дослідження є спосіб підвищення ефективності використання хмарних ресурсів, зокрема розробка та впровадження системи оптимізації використання хмарних ресурсів на основі методів машинного навчання. Мета роботи є розробка способу підвищення ефективності використання хмарних ресурсів шляхом застосування методів машинного навчання. Наукова новизна магістерської роботи містить наступні аспекти: - запропоновано використання алгоритмів машинного навчання, що забезпечує точне прогнозування використання хмарних ресурсів; - реалізовано інтеграцію прогнозованих даних з автоматичним масштабуванням ресурсів та одночасне врахування кількох типів ресурсів, що дозволяє оптимізувати загальну продуктивність та надійність хмарної інфраструктури. Практична цінність роботи це зниження енергоспоживання за рахунок оптимального використання хмарних ресурсів, адаптація системи до різних умов експлуатації та масштабування залежно від розміру та складності обчислювальних задач. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на XVI науково-практичній конференції магістрантів та аспірантів "Прикладна математика та комп'ютинг" ПМК-2023 (Київ, 28-30 листопада 2023р.), за результатами роботи опубліковано статтю у фаховому журналі категорії Б Луцького національного технічного університету «Computer-Integrated Technologies: Education, Science, Production: Scientific Journal» (54) , 28 березня 2024 року. Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У першому розділі розглянуто актуальні проблеми та задачі автоматизації бізнес-процесів, проаналізовано основні інструменти та методології, включаючи Lean, Six Sigma, Agile та DevOps. Визначено ключові проблеми, такі як недостатня ефективність, складність процесів, інтеграція систем та питання безпеки. Другий розділ присвячений методам підвищення ефективності використання CPU. Розглянуто підходи до оптимізації, такі як паралельні обчислення, оптимізація алгоритмів та планування задач. Проведено аналіз алгоритмів планування задач, включаючи попереднє віднімання, циклічне планування та планування за пріоритетами. Також визначено засоби оцінки ефективності CPU та швидкодії системи. У третьому розділі описано проектування та архітектуру системи оптимізації використання хмарних ресурсів. Визначено вимоги до програмного забезпечення, обґрунтовано вибір технологій розробки та описано архітектуру системи, що включає компоненти для збору даних, обробки, аналізу, прогнозування навантажень та автоматичного масштабування ресурсів. Четвертий розділ присвячено тестуванню та оптимізації платформи UniSolve. Розглянуто методики тестування, проведено оцінку продуктивності та надійності системи, що підтвердило ефективність розробленого програмного забезпечення. Результати дослідження демонструють можливості підвищення ефективності використання хмарних ресурсів за допомогою методів машинного навчання, що забезпечує оптимальне розподілення обчислювальних потужностей та підвищення конкурентоспроможності підприємств у сучасному інформаційному середовищі. Робота представлена на 84 аркушах, містить 18 рисунків, 7 таблиць, 1 додаток та містить посилання на список з 18 використаних літературних джерел.Документ Відкритий доступ Метод автоматизації рутинних завдань DevOps(КПІ ім. Ігоря Сікорського, 2024) Гончаров, Влас Сергійович; Зайцев, Володимир ГригоровичАктуальність теми обумовлена зростаючою складністю програмного забезпечення, необхідністю у швидкій та якісній розробці, регулярних стабільних оновлень та можливості швидко повернутися до попередньої версії продукту. Автоматизація рутинних завдань розробника знижує ризик помилок та може підвищити продуктивність команди розробників, що робить DevOps процеси більш ефективними. Ця робота спрямована на дослідження та практику використання методики DevOps, що є критично важливим для забезпечення конкурентоспроможності сучасних IT-компаній на ринку. Об’єктом дослідження є процес розробки та налаштування виробничого процесу із використанням методології DevOps, що містить такі аспекти, як розробка, тестування та розгортання програмного забезпечення. Особлива увага приділена рутинним процесам, що можуть бути автоматизовані. Швидку та стабільну роботу команди розробників може забезпечити безперервна інтеграція, неперервне розгортання, автоматизоване тестування та моніторинг стану системи. Предмет дослідження полягає у виборі інструментів автоматизації рутинних завдань в DevOps процесах та відповідних методів їхнього використання. Особлива увага приділена визначенню ефективності розробки програмного забезпечення із використанням DevOps практик та без них. Мета роботи полягає в тому, щоб дослідити рішення, що існують та запропонувати метод автоматизації рутинних завдань DevOps для поліпшення виробничого процесу команд розробників. Робота має продемонструвати, що використання DevOps практик не є примхою для команди, а є необхідністю для якісного конкурентоспроможного програмного забезпечення. Методи дослідження. В даному дослідженні можна побачити використання таких методів, як аналіз, моделювання, вимірювання та порівняння. Наукова новизна полягає в розробці методу автоматизації рутинних завдань у DevOps процесах, що має призвести до підвищення ефективності та якості розробки. Практична цінність. Ця робота дає можливість використовувати розроблений метод автоматизації рутинних завдань в DevOps процесах для того, щоб підвищити ефективність процесу розробки шляхом вивільнення більшої кількості часу на більш важливі питання, вища кваліфікація виконуваних дій та наявності високої гнучкості виробничого процесу. Все це може надати можливість швидко, якісно та стабільно розробляти продукт, щоб підвищити рівень конкурентоспроможності компанії. Апробація роботи. Основні положення були викладені та обговорювались на XVII Міжнародній науково-практичній конференції «ІНТЕГРОВАНІ ІНТЕЛЕКТУАЛЬНІ РОБОТОТЕХНІЧНІ КОМПЛЕКСИ» ІІРТК-2024 (м. Київ, 21-22 травня 2024 р.). Структура та обсяг роботи. Магістерська дисертація складається з вступу, 3-x розділів та висновків. У вступі представлено загальну характеристику роботи, проведена оцінка сучасного стану даної проблеми, обґрунтовано актуальність цього дослідження, визначено мету та завдання роботи, продемонстровано наукову новизну та практичну цінність отриманих результатів. Перший розділ: розгляд теоретичної інформації (основні принципи, терміни та інструменти) та вже існуючих методів використання DevOps практик; порівняльний аналіз DevOps практик та методологій-попередників. Другий розділ: вибір оптимальних інструментів DevOps для виконання практичної складової; виконана підготовка (дослідження способу впровадження безперервної інтеграції (CI), неперервного розгортання (CD), автоматизованого тестування та моніторингу системи) до реалізації практик DevOps в третьому розділі. Третій розділ: імплементація DevOps практик для автоматизації рутинних завдань під час розробки програмного забезпечення; збір інформації про роботу новоствореної системи задля подальшого аналізу. Висновки: узагальнення отриманих результатів дослідження; формулювання висновків стосовно доцільності та необхідності використання DevOps практик в сучасному виробничому процесі; визначення можливих векторів розвитку цього підходу в найближчому майбутньому. Робота виконана на 101 аркуші, містить 3 додатки та посилання на список використаних літературних джерел з 26 найменувань. У роботі наведено 46 рисунків та 4 таблиці.Документ Відкритий доступ Структурно-алгоритмічна організація обчислювальних засобів для калібрування параметрів мультикамерної установки(КПІ ім. Ігоря Сікорського, 2024) Кальницький, Олексій Вячеславович; Клятченко, Ярослав МихайловичАктуальність теми: калібрування камер є критично важливою задачею у комп'ютерному зорі та тривимірній реконструкції, оскільки воно визначає точність та надійність отриманих моделей. Особливо актуальною є проблема калібрування у мультикамерних системах, де точне визначення положення і орієнтації кожної камери впливає на якість даних для застосування в різних галузях, таких як доповнена реальність, робототехніка, медицина, архітектура та кінематографія. Мета роботи: вдосконалення алгоритмів калібрування камер у симульованому тривимірному просторі для підвищення їх точності та гнучкості при використанні з великою кількістю камер. Об’єкт дослідження: сучасні підходи до калібрування параметрів мультикамерних систем, включаючи визначення внутрішніх та зовнішніх параметрів кожної камери. Предмет дослідження: алгоритми та методи калібрування параметрів камер у мультикамерних установках. Методи дослідження: методи Чжена і Гартлі для калібрування камер, використання методів машинного навчання для адаптації до реальних умов, методи розподілених обчислень. Наукова новизна: вдосконалено алгоритми калібрування камер, що забезпечують високу точність і гнучкість при роботі з великою кількістю камер у симульованому тривимірному просторі. Запропоновані методи враховують нелінійні викривлення об'єктивів та змінні умови освітлення. Практична цінність: результати дослідження можуть бути використані для покращення калібрування камер у різних галузях, таких як доповнена реальність, робототехніка, медицина, архітектура та кінематографія. Це дозволить підвищити якість тривимірних моделей та збільшити ефективність використання мультикамерних систем. Особистий внесок магістранта: автор розробив програму для калібрування параметрів мультикамерних установок, провів серію експериментів у симульованому тривимірному просторі, а також розробив алгоритми для підвищення точності калібрування. Апробація результатів дисертації: основні положення та результати роботи були представлені та обговорені на науковій конференції магістрантів та аспірантів "Прикладна математика та комп'ютинг" ПМК-2023 (Київ, 28-30 листопада 2023 р.). Публікації: Тези доповідей на конференції "Прикладна математика та комп'ютинг" ПМК-2023 Структура та обсяг роботи: Робота складається з 4 розділів: порівняльний аналіз актуального наукового та інноваційного здобутку, загальна методика проведення дослідження, запропонована методологія, експерименти з визначення параметрів мультикамерної установки. Загальний обсяг роботи становить 80 сторінок, включаючи 12 рисунків, 5 таблиць та 26 найменувань у списку використаних джерел.Документ Відкритий доступ Спосіб уніфікованого опису ресурсів хмарної інфраструктури різних провайдерів(КПІ ім. Ігоря Сікорського, 2024) Іваненко, Олександр Андрійович; Марченко, Олександр ІвановичАктуальність теми. Інфраструктура як код (IaC) стає необхідністю у сучасному хмарному середовищі з різноманіттям хмарних провайдерів. Засоби IaC дозволяють автоматизувати процес встановлення, конфігурації та управління інфраструктурою через написання коду, замість ручного налаштування кожного ресурсу. Основна перевага використання IaC полягає в тому, що це робить інфраструктуру прогнозованою, повторюваною та масштабованою. Крім того, уніфікований підхід до IaC дозволяє стандартизувати процеси розгортання незалежно від хмарного провайдера, що робить його важливим інструментом для команд, які працюють з різними хмарними сервісами. Такий підхід полегшує визначення, налаштування та керування ресурсами, забезпечуючи більшу ефективність та надійність інфраструктури в цілому. Об’єктом дослідження є процес автоматизації управління інфраструктурою через написання коду. Предметом дослідження є способи використання IaC для спрощення визначення хмарних ресурсів та створення уніфікованих рішень для різних хмарних провайдерів. Мета роботи: спрощення управління хмарною інфраструктурою та зробить процес розгортання та керування ресурсами більш ефективним і уніфікованим для користувачів. Наукова новизна полягає в наступному: 1. Виконано порівняльний аналіз наявних високорівневих способів опису хмарної інфраструктури, визначено переваги та обмеження цих засобів для процесу автоматизації розробки інфраструктури і запропоновано напрями їх покращення. 2. Вперше запропоновано новий уніфікований спосіб опису хмарної інфраструктури, який базується на уніфікації деталей, що описуються по різному у різних провайдерів хмарних сервісів, до більш високого рівня абстракції, відрізняється від існуючих спрощенням або приховуванням загальних блоків, налаштування яких, зазвичай, повторюється у більшості проектів, можливістю компіляції запропонованого способу у мови опису хмарних ресурсів різних провайдерів та дозволяє створювати конфігурації для роботи з різними хмарними провайдерами, які використовують різні способи опису хмарної інфраструктури, в результаті чого конфігурування та управління інфраструктурою стають більш універсальними та незалежними від конкретного хмарного середовища. 3. Виконано порівняльний аналіз запропонованого способу опису зі способами опису CloudFormation, Terraform та Crossplane і показано, що при використанні запропонованого способу деталі опису деяких ресурсів приховуються, а опис інших елементів налаштування, що були розглянуті у прикладах, подається в більш читабельному та зручнішому форматі. Практична цінність цієї роботи полягає в можливості забезпечення ефективного та уніфікованого способу управління хмарною інфраструктурою для організацій, які планують її використовувати. Розроблений уніфікований спосіб дозволяє зменшити складність процесу розгортання та керування ресурсами у хмарних середовищах, сприяючи при цьому підвищенню продуктивності та зниженню витрат часу та ресурсів. Крім того, запропонований спосіб та розроблений компілятор забезпечують більшу гнучкість та масштабованість для організацій, які використовують засоби різних хмарних провайдерів, дозволяючи їм швидше реагувати на зміни в бізнес-вимогах та забезпечувати високу надійність своєї інфраструктури. Таким чином, розроблені спосіб та компілятор мають потенціал значно полегшити та покращити процеси управління хмарними ресурсами для широкого спектру організацій. Апробація роботи. Основні положення та відмінності існуючих засобів опису хмарної інфраструктури були представлені та обговорювались на 16 науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ, 28-30 листопада 2023 р.). Запропонований спосіб був розглянутий у фаховому журналі «Комп’ютерно-інтегровані технології: освіта, наука, виробництво» випуск №54 у статті «Спосіб уніфікованого опису хмарної інфраструктури різних провайдерів». Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі розглянуто існуючі способи опису інфраструктури як коду (IaC) та їх відмінності. Серед них розглянуті такі популярні засоби, як Terraform, Crossplane та CloudFormation. Кожен з цих засобів має свої особливості і підходи до опису інфраструктури, такі як декларативний чи імперативний стиль програмування, рівень абстракції, підтримку різних хмарних провайдерів, масштабованість та інші функціональні можливості. Аналізуючи ці відмінності, можна визначити переваги та недоліки кожного із засобів, а також вибрати найбільш підходящий для конкретного випадку використання. У другому розділі дослідження вивчається теоретична складова запропонованого способу уніфікованого опису ресурсів хмарної інфраструктури. Цей розділ включає в себе аналіз існуючих підходів до опису інфраструктури як коду та визначення їхніх переваг і недоліків. На основі цього аналізу розроблюється концепція нового уніфікованого підходу до опису, який враховує найкращі практики з існуючих способів і додає нові функціональні можливості. У цьому розділі також проводиться опис теоретичних принципів, що лежать в основі розробленого нового способу, його концептуальна модель та архітектура. В результаті аналізу теоретичних аспектів формується базис для подальшої розробки та впровадження нового уніфікованого способу опису ресурсів хмарної інфраструктури. У третьому розділі проводиться докладний опис розробки та реалізації запропонованого способу уніфікованого опису ресурсів хмарної інфраструктури. Починаючи з визначення необхідних програмних технологій та засобів, розглядається крок за кроком розробка програмного рішення. В цьому розділі описуються деталі і структура нового засобу, його ключові функціональні можливості та алгоритми, що використані для реалізації. Також розглядаються важливі аспекти, такі як обробка помилок, забезпечення безпеки та масштабованість системи. Крім того, у цьому розділі наводяться приклади коду та ілюстрації, які демонструють реальні випадки використання нового способу опису для опису ресурсів у різних хмарних середовищах. В результаті цього розділу читач отримує повний уявлення про технічну реалізацію та можливості нового уніфікованого способу опису ресурсів хмарної інфраструктури. У четвертому розділі проводиться порівняльний аналіз запропонованого способу уніфікованого опису хмарної інфраструктури з існуючими способами опису. Порівняння виконується за критеріями простоти використання, масштабованості, зменшення кількості помилок та деякими іншими. Відзначено переваги та недоліки запропонованого способу. Також аналізується вплив нового способу на швидкість розгортання, зручність управління, зниження витрат та інші показники, які можуть бути важливими для організацій, а також визначено перспективи його використання. У висновках представлені результати проведеної роботи. Робота представлена на 91 аркушах, містить посилання на список використаних літературних джерел.Документ Відкритий доступ Засоби прогнозування фінансових показників банку з використанням нейронної мережі(КПІ ім. Ігоря Сікорського, 2024) Абрамов, Єгор Віталійович; Романкевич, Віталій ОлексійовичАктуальність теми. В сучасному економічному середовищі значно зростає вагомість прогнозування, яке перетворюється на важливу складову процесу ухвалення рішень. Основою прогнозування в економіці слугує економіко-математичне моделювання, що дозволяє виконувати аналіз очікуваних подій та варіантів розвитку ситуацій. Математичне моделювання використовує різні методи аналізу та підходи. В економічному середовищі адаптивне моделювання займає дуже значну роль. Воно дозволяє більш точно відображати поточний стан економічних процесів, враховуючи їх динамічну природу і постійну еволюцію. Адаптивні моделі, на відміну від традиційних, можуть ефективно враховувати зміни в економічній системі, що є критично важливим в умовах реформ. В цілому, важливість і складність прогнозування в сучасній економіці, в тому числі і в діяльності банків, зумовлює необхідність подальших досліджень та розвитку в цій галузі, розробки більш точних та надійних інструментів для аналізу стану та прогнозування показників фінансових показників банку. Мета роботи: створення системи прогнозування фінансових показників банку з використанням нейронної мережі шляхом визначення ефективних способів аналізу фінансових показників банку Об’єктом дослідження є процеси прогнозування фінансових показників діяльності банківських установ. Предметом дослідження є методи, моделі і програмні засоби прогнозування фінансових показників банку. Методи досліджень: порівняльний та емпіричний методи, моделювання, прогнозування, теорія нейронних мереж, машинне навчання. Наукова новизна: – запропоновано спосіб прогнозування, який поєднує використання методу передбачення умовної ймовірності екстремальних подій на основі моделі переходу станів та методу побудови моделі симетрії на коротких часових масштабах; – запропоновано використання нейронної мережі для прогнозування фінансових показників банку; – виконано програмну реалізацію запропонованих способів прогнозування фінансових показників. Практична цінність: розроблені засоби прогнозування фінансових показників сприятимуть підвищенню точності прогнозування чистого прибутку банку в органічних умовах. Апробація результатів дисертації: основні положення і результати роботи представлені та обговорювались на конференціях: - X Міжнародна науково-технічна Internet-конференція «Сучасні методи, інформаційне, програмне та технічне забезпечення систем керування організаційно-технічними та технологічними комплексами». 24 листопада 2023 р. – К.: НУХТ, 2023. - Прикладна математика та комп’ютинг. XVІ науково-практична конференція магістрантів та аспірантів ПМК-2023 факультету прикладної математики 28 - 30 листопада 2023 р., Київ, Україна. – К.:КПІ, 2023. Публікації: за темою досліджень опубліковано 2 наукові праці – тези доповідей на конференціях. Структура та обсяг роботи: магістерська дисертація складається з вступу, чотирьох розділів, висновку, списку використаних джерел та додатків. Вступ містить опис проблем, що виникають при прогнозуванні фінансових показників банку, а також актуальність напрямку досліджень. Перший розділ містить основні теоретичні відомості щодо існуючих способів прогнозування фінансових показників банку, також виконано їх аналіз. У розділі наведено огляд праць як закордонних, так і вітчизняних вчених, присвячених методам прогнозування. Другий розділ містить аналіз підходів до прогнозування фінансових показників банку із застосуванням нейронних мереж. Також у розділі представлено дослідження математичних моделей для прогнозування фінансових показників банку. Третій розділ містить опис запропонованих рішень та їх програмної реалізації, а також програмних модулів для прогнозування фінансових показників банку. Четвертий розділ містить аналіз результатів, отриманих під час проведення експериментальних досліджень та порівняння з існуючими алгоритмами прогнозування. Висновки містять підсумки виконаної роботи. Магістерська дисертація представлена на 74 аркушах, містить 4 додатка, 35 джерел, 16 рисунків і 8 таблиць.Документ Відкритий доступ Способи створення та розповсюдження одноразових паролів у комп’ютерних системах(КПІ ім. Ігоря Сікорського, 2024) Бікерей, Олексій Ігорович; Клятченко, Ярослав МихайловичАктуальність теми. Магістерська дисертація присвячена розробці та аналізу модифікованого алгоритму Time-Based One-Time Password для обмеження доступу до ресурсів у високонавантажених системах, важлива у сфері кібербезпеки та технологій. У сучасному цифровому середовищі, захист інформації від кіберзагроз є надзвичайно актуальним. Високонавантажені системи потребують ефективного та швидкого методу автентифікації, щоб забезпечити безпеку та уникнути перевантаження ресурсів. Модифікований алгоритм TOTP може стати ефективним інструментом для забезпечення безпеки та зниження навантаження на систему. Таке дослідження має велике значення для поліпшення методів захисту та забезпечення стійкості та швидкості доступу у високонавантажених системах Об’єктом дослідження є використання алгоритму Time-Based One-Time Password (TOTP) для обмеження доступу до ресурсів у високонавантажених системах. Предметом дослідження є розробка та аналіз модифікованого алгоритму Time-Based One-Time Password (TOTP) для оптимізації та підвищення безпеки обмеження доступу до ресурсів у високонавантажених системах. Мета роботи: полягає у вивченні, розробці та оцінці модифікованого алгоритму Time-Based One-Time Password (TOTP) для підвищення ефективності та безпеки обмеження доступу до ресурсів у високонавантажених системах. Основними цілями є аналіз існуючих методів обмеження доступу, розробка модифікованого алгоритму TOTP, виявлення та оцінка його переваг у контексті ефективності, надійності та стійкості до потенційних кіберзагроз. Мета також включає в себе визначення оптимальних умов та сценаріїв застосування цього алгоритму в високонавантажених системах, забезпечуючи високу захищеність та зниження негативного впливу на продуктивність системи. Наукова новизна цієї роботи полягає у розробці та аналізі модифікованого алгоритму TOTP з метою покращення процесу обмеження доступу до ресурсів у високонавантажених системах. Цей алгоритм включає в себе нові методи генерації та верифікації одноразових паролів на основі часу, що сприяє підвищенню ефективності, стійкості та безпеки систем у порівнянні зі стандартними методами аутентифікації. Дослідження також враховує оптимізацію алгоритму для роботи у високонавантажених середовищах, що відрізняється від попередніх підходів та є актуальною новизною у сфері кібербезпеки та застосування алгоритмів аутентифікації в сучасних інформаційних системах. Практична цінність отримані результати дослідження мають велику практичну цінність у сферах бізнесу, фінансів, електронної комерції та інших сферах. Вони можуть служити основою для покращення інформаційної безпеки через розробку та впровадження більш надійних систем захисту даних та методів автентифікації. Апробація роботи. Основні положення були представлені та обговорювались на CXXXIV Міжнародній інтернет-конференції «Cучасні аспекти розвитку науки і техніки в умовах війни» та LVVІ Міжнародної інтернет-конференції «Наука 2023: Дослідження та інновації» Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі проведено огляд загальної характеристики роботи, яка зорієнтована на важливі аспекти інформаційної безпеки та наявні методи захисту інформації. Перший розділ дослідження присвячено аналізу ключових аспектів кібербезпеки та ролі паролів у захисті особистих даних. Аналізуючи ці аспекти, було виявлено потенціал у токенах, заснованих на часі, як ефективному інструменті забезпечення тимчасової та унікальної ідентифікації. У другому розділі проведено аналіз різноманітних методів створення одноразових паролів, виокремлено їх переваги та недоліки. Одноразові паролі виступають важливим інструментом у захисті даних, а вибір конкретного методу генерації залежить від контексту та вимог безпеки системи. Розділ третій складається з дослідження та аналізу різних методів імплементації алгоритму обмеження доступу до ресурсів за часовим параметром. Основна увага приділена модифікації токена Time-Based One-Time Password (TOTP) та обґрунтуванню вибору конкретних інструментів та методів для його модифікації. Четвертий розділ містить результати тестування модифікованого алгоритму та показав його високу швидкодію, ефективність у використанні ресурсів та стійкість до атак. У висновках представлені результати проведеної роботи. Робота представлена на 103 аркушах, містить посилання на список використаних літературних джерел.Документ Відкритий доступ Комбінований метод масштабування зображень з використанням бікубічної інтерполяції та фільтра Ланцоша(КПІ ім. Ігоря Сікорського, 2024) Бодашевський, Даніла Романович; Потапова, Катерина РоманівнаАктуальність теми. У сучасному світі цифрових технологій, де зображення відіграють ключову роль у медіа, рекламі, наукових дослідженнях та розвагах, важливість ефективного масштабування зображень є незаперечною. Зі зростанням розмірів дисплеїв та вимог до якості зображення, потреба у високоякісному масштабуванні стає все більш актуальною. Технології масштабування зображень використовуються не тільки для покращення візуального сприйняття, але й для оптимізації зберігання та передачі даних. Саме тому розробка та вдосконалення методів масштабування зображень є важливою задачею, яка має значний вплив на різні галузі індустрії. Об’єктом дослідження є процес масштабування цифрових зображень з використанням методів інтерполяціїї. Предметом дослідження є методика масштабування за допомогою комбінованого методу, який використовує бікубічну інтерполяцію та фільтр Ланцоша для підвищення якості зображення. Мета роботи: розробка комбінованого методу збільшення зображень, аналіз та оцінка його ефективності, порівняння його з класичними методами. Наукова новизна полягає у наступному: 1. Mетод, який поєднує бікубічну інтерполяцію та фільтр Ланцоша для масштабування зображень для досягнення кращої деталізації та зменшити візуальні артефакти. 2. Аналіз та порівняння ефективності комбінованого методу з традиційними методами масштабування, що включає оцінку якості зображення за допомогою об'єктивних метрик. Практична цінність отриманих результатів полягає у широкому спектрі застосування розробленого комбінованого методу масштабування зображень. Цей метод може бути інтегрований у різноманітні системи обробки зображень, від фотографічного софту до програмного забезпечення для медичної візуалізації. Особливо важливим є його використання у сферах, де необхідно зберегти високу якість зображень при зміні їх розмірів, наприклад, у цифровому кіно та графічному дизайні. Апробація роботи. Основні положення та результати дослідження представлені на ряді наукових конференцій, що спеціалізуються на іформаційних технологіях: • XVI наукова конференція магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ, 28-23 листопада 2023 р.) та опубліковані у збірнику тез доповідей «Метод збільшення розміру зображень на основі бікубічної інтерполяції та фільтра Ланцоша», 313 – 317с; • Міжнародний науковий журнал "Інтернаука", стаття «Аналіз принципів підвищення якості зображень через призму бікубічної інтерполяції та згорткових нейронних мереж» • Науковий журнал «Таврійський науковий вісник. Серія: Технічні науки», стаття «Комбінований підхід до підвищення якості зображень з використанням бікубічної інтерполяції та фільтра Ланцоша» • IX Міжнародна науково-практична конференція “SCIENCE AND TECHNOLOGY: PROBLEMS, PROSPECTS AND INNOVATIONS”. Осака. 2023. C. 179-182. • IX Міжнародна науково-практична конференція “SCIENTIFIC RESEARCH IN THE MODERN WORLD”. Торонто. 2023. C. 79-81. Структура та обсяг роботи. Дипломна робота складається з вступу, трьох основних розділів, висновків та додатків. У вступі визначено актуальність теми, мету та завдання дослідження, обґрунтовано вибір методології та підходів. У першому розділі проаналізовані існуючії методи масштабування зображень, їхні переваги та недоліки. У другому розділі представлено теоретичні основи та принципи роботи бікубічної інтерполяції та фільтра Ланцоша, а також розглянуто принципи комбінування цих методів. У третьому розділі міститься опис розробленого комбінованого методу, його реалізацію та результати тестування. У висновках підведено підсумки дослідження, висвітлено досягнуті результати та можливості їх практичного застосування. Робота викладена на 92 аркуші, включає ілюстрації, таблиці, список використаних джерел.Документ Відкритий доступ Метод нейромережевого розпізнавання особи користувачів комп'ютерних систем за сітківкою ока(КПІ ім. Ігоря Сікорського, 2024) Бойко, Олексій Олегович; Терейковський, Ігор АнатолійовичАктуальність теми. З розвитком сучасних технологій та автоматизацією виробничих процесів стає важливою задачею забезпечення високого рівня безпеки та аутентифікації користувачів комп'ютерних систем. Зростання кількості цифрових атак і порушень безпеки ставить під загрозу конфіденційність та цілісність інформації. Застосування біометричних методів ідентифікації, таких як розпізнавання за сітківкою ока, може забезпечити вищий рівень безпеки порівняно з традиційними методами, такими як паролі чи PIN-коди, які в легкість можуть бути скомпрометовані. Одним із перспективних напрямків є метод розпізнавання користувачів за сітківкою ока, оскільки кожен індивідуум має унікальні біометричні характеристики, що дозволяють впевнено відрізняти його від інших. Цей метод може бути використаний в різних галузях, таких як інформаційна безпека, медицина, фінанси та інші. Об’єктом дослідження є процес розпізнавання користувачів комп'ютерних систем за сітківкою ока з використанням вейвлет перетворень. Предметом дослідження є нейромережеві моделі та методи розпізнавання користувачів комп'ютерних систем за сітківкою ока з використанням вейвлет перетворень. Метою роботи є забезпечення ефективного розпізнавання користувачів комп'ютерних систем за допомогою методу нейромережевого розпізнавання користувачів комп'ютерних систем з використанням обробки зображення сітківки ока, що за рахунок використання апарату вейвлет-перетворень дозволяє підвищити точність розпізнавання зашумлених зображень. Наукова новизна полягає в наступному: 1. Запропоновано нову модель нейромережевого розпізнавання користувачів комп'ютерних систем з використанням попередньої обробки зображення сітківки ока, що за рахунок використання апарату вейвлет-перетворень дозволяє підвищити точність розпізнавання зашумлених зображень 2. Розроблено метод нейромережевого розпізнавання користувачів комп'ютерних систем з використанням обробки біометричних даних для ефективного використання в комп'ютерних системах. Практична цінність отриманих результатів полягає в можливості використання запропонованого методу для забезпечення високого рівня безпеки в комп'ютерних системах. Це може знайти застосування в урядових установах, фінансових установах, медичних закладах та інших областях, де важлива конфіденційність та аутентифікація користувачів. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на CXXXV Міжнародній науково-практичній конференції «НАУКОВІ ПІДСУМКИ 2023 РОКУ» Запоріжжя, 8 грудня 2023 року. Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напряму досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі проведено аналіз існуючих методів біометричної ідентифікації та визначено переваги методу розпізнавання за сітківкою ока. У другому розділі наведено опис моделей розпізнавання користувачів комп'ютерних систем за сітківкою ока. У третьому розділі наведено опис методів розпізнавання користувачів комп'ютерних систем за сітківкою ока. У четвертому розділі проведено тестування та проведено аналіз на основі отриманих результатів та наведено рекомендації для подальших досліджень. У висновках представлені результати проведеної роботи. Робота представлена на 92 аркушах, містить посилання на список використаних літературних джерел.Документ Відкритий доступ Система інтелектуальної обробки даних про державні закупівлі з використанням нейромереж(КПІ ім. Ігоря Сікорського, 2024) Бойчук, Владислав Андрійович; Боярінова, Юлія ЄвгеньївнаАктуальність теми. У сучасному світі штучний інтелект дедалі більше впливає на різні аспекти нашого життя, від спрощених завдань, таких як рекомендаційні системи, до складних проблем, таких як медична діагностика. Кластеризація, як один із методів машинного навчання, демонструє високий потенціал у вирішенні завдань групування даних на основі їхньої схожості. У контексті штучного інтелекту кластеризація може значно підвищити ефективність аналізу даних та прийняття рішень. Україна, як країна з розвиваються IT-індустрією, відчуває необхідність в глибокому дослідженні та розробці методів кластеризації. Тому дослідження цієї теми в контексті застосування штучного інтелекту є надзвичайно актуальним та необхідним для наукового та технічного прогресу нашої країни. Об’єктом дослідження є система інтелектуальної обробки даних про державні закупівлі на основі нейромереж. Предметом дослідження методи і алгоритми інтелектуальної обробки даних з використанням нейромереж для аналізу і оптимізації державних закупівель. Мета роботи: покращення обробки даних про державні закупівлі завдяки використанню новітніх технологій – нейромереж та штучного інтелекту, оптимізація запропонованої системи для підвищення її ефективності та надійності. Наукова новизна полягає в наступному: 1. запропоновано структуру вхідних даних для збереження інформації про державні закупівлі, яка відмінна від існуючих, для побудови системи інтелектуальної обробки даних 2. запропоновано архітектуру системи інтелектуальної обробки даних на основі великих мовних моделей для вирішення задачі кластеризації. Практична цінність отриманих результатів дослідження полягає в можливості створення системи інтелектуальної обробки даних про державні закупівлі з використанням нейромереж і кластеризації. Ця система може ефективно аналізувати та групувати великий обсяг даних про закупівлі, що дозволить урядовим та комерційним структурам отримувати цінну інформацію для прийняття рішень. Наприклад, вона може допомогти виявляти закономірності та тенденції в закупівлях, ідентифікувати аномалії та потенційні ризики корупції. Така система має великий потенціал для підвищення транспарентності та ефективності державних закупівель, а також зниження витрат та покращення контролю над ними. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на Міжнародній науково-практичній конференції "Сучасний стан та пріоритети модернізації науки, освіти та технологій (Біла Церква, 10 січня 2024 р.). Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі надано теоретичні основи інтелектуальної обробки даних про державні закупівлі, включаючи визначення та класифікацію систем інтелектуальної обробки даних. Також розглянуто специфіку даних про державні закупівлі та їх особливості, а також обговорено необхідність та переваги використання нейромереж у проведенні аналізу та кластеризації цих даних. аналіз, який дає змогу визначити основні переваги та недоліки цих навчальних посібників. У другому розділі розглянуто основні поняття та класифікація систем інтелектуальної обробки даних, різні методи класифікації. У третьому розділі описано розробку системи на основі нейромереж для інтелектуального аналізу та кластеризації даних про державні закупівлі, включаючи архітектуру та дизайн нейромережі, підготовку та передобробку даних для навчання, а також процес тренування, валідації та тестування на реальних даних. У четвертому розділі роботи детально розглядається аналіз функціонування розробленої системи інтелектуальної обробки даних про державні закупівлі з використанням методів кластеризації. У висновках представлені результати проведеної роботи. Робота представлена на 86 аркушах, містить посилання на список використаних літературних джерел.Документ Відкритий доступ Способи підвищення ефективності засобів тестування програмних систем(КПІ ім. Ігоря Сікорського, 2024) Варган, Олексій Ігорович; Павловський, Володимир ІллічАктуальність теми. Ця тема є актуальною через зростаючу залежність сучасних бізнес-структур та організацій від веб-додатків. В контексті постійного розвитку програмного забезпечення та веб-технологій, надійність і ефективність веб-додатків стають вирішальними. Критичний аналіз існуючих рішень у сфері автоматизованого тестування вказує на певні недоліки та обмеження, що вимагають інноваційного підходу. Відтак, дослідження направлене на розробку вдосконаленого фреймворку для автоматизованого тестування веб-додатків є важливим для подальшого розвитку ІТ-сектора та пов'язаних з ним галузей. Мета і задачі дослідження Мета: Розробка інноваційного фреймворку для автоматизованого тестування веб-додатків, який вирішує існуючі проблеми ефективності та масштабування. Завдання: Аналіз сучасних методів та інструментів автоматизованого тестування. Визначення ключових вимог до фреймворку. Розробка концептуальної та технічної моделі фреймворку. Проведення випробувань і оцінка ефективності розробленого фреймворку. Об’єкт дослідження: Процес автоматизованого тестування веб-додатків. Предметом дослідження є фреймворк для автоматизації тестування, його структура та функціональність. Наукова новизна полягає у способі підвищення ефективності тестування шляхом інтеграції автоматизації з передовими методологіями розробки та тестування програмного забезпечення CI/CD (Continuous Integration/Continuous Delivery) та BDD (Behavior Driven Development) що дозволяє зберігти багатофункціональність та мультиплатформість й при цьому вирішує проблему поширення подібних інструментів серед фахівців, що не володіють знаннями мов(и) програмування. Практична цінність: Фреймворк має значний потенціал для використання у різних сферах, де потрібне надійне тестування веб-додатків, що сприяє підвищенню їх якості та надійності. Результати дослідження можуть бути впроваджені у практику ІТ-компаній. Апробація роботи: Дві теми одного із розділів магістерської дисертації будуть розміщені відповідно на двох наукових конференціях: 2. СУЧАСНІ ІНФОРМАЦІЙНІ СИСТЕМИ ТА ТЕХНОЛОГІЇ V всеукраїнська науково-практична інтернет-конференція молодих вчених та студентів (30 листопада 2023 року), Херсон, Україна. [1] 3. ПРИКЛАДНА МАТЕМАТИКА ТА КОМП’ЮТИНГ XVІ науково-практична конференція магістрантів та аспірантів ПМК-2023 факультету прикладної математики (28 – 30 листопада 2023 року) Київ, Україна. [2] Публікації. За тематикою проведених досліджень опубліковано 2 наукові праці, а саме тези доповідей на 2-х конференціях. Структура та обсяг дисертації. Магістерська дисертація складається з 4 розділів, висновків, списку використаних літературних джерел (12 найменувань). Повний обсяг дисертації становить 97 сторінок, включаючи 90 сторінок основного тексту, 22 рисунків, 1 таблиці. У вступі обґрунтовано актуальність проблеми, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі розглянута загальна характеристика проблеми, проаналізовані існуючі розробки автоматизованого тестування веб-додатків, виділення переваг та недоліків розробленого фреймворку. У другому розділі обґрунтовується вибір інструментів для розробки, описується логічна модель та архітектура фреймворку. У третьому розділі формуюються вимоги до системи і описується розробка фреймворку. У четвертому розділі відбувається тестування додатку та аналіз отриманих даних. У висновках виділяються результати дослідження, що сформовані на основі мети і завдання, що описані у вступі.Документ Відкритий доступ Спосіб оцінки відповідності кандидата до вакансії на базі засобів машинного навчання(КПІ ім. Ігоря Сікорського, 2024) Гей, Антон Віталійович; Романкевич, Олексій МихайловичАктуальність теми. Оцінка відповідності кандидата до вакансії є критичним етапом у процесі відбору кваліфікованих співробітників для організацій різних галузей та сфер діяльності. Вірне визначення підходящих кандидатів допомагає підвищити продуктивність роботи, покращити показники компанії і забезпечити ефективний розвиток. У цьому контексті, спосіб оцінки відповідності кандидата до вакансії визначається як один із ключових аспектів успішного підбору персоналу. Об'єктом дослідження є процес оцінки кандидатів, , зокрема, механізми і методи автоматизованого визначення їх відповідності зазначеним вимогам роботодавця. Предметом дослідження є алгоритми та методи обробки природної мови, а також інтеграція зі засобами машинного навчання, що використовуються для аналізу текстів резюме та описів вакансій з метою оцінки відповідності кандидатів. Методи дослідження включають аналіз та застосування технологій обробки тексту, алгоритмів машинного навчання, векторних представлень тексту та методів оцінки схожості. Мета роботи полягає у створенні системи для оцінки відповідності кандидатів до вакансій, яка базується на предметному аналізі природної мови та використанні засобів машинного навчання. Ця система покликана підвищити точність, швидкість та об'єктивність процесу відбору, враховуючи специфіку різноманітних вакансій та індивідуальні особливості кандидатів. Для досягнення цієї мети в роботі передбачено вирішення наступних задач: 1. Дослідження та оцінка існуючих методів та інструментів, які можуть бути застосовані для аналізу текстів резюме та описів вакансій, з особливим акцентом на векторні представлення тексту та методи визначення схожості. 2. Створення алгоритмів для оцінки ключових характеристик кандидатів, включаючи їхні навички, освіту та досвід, та адаптація цих методів для забезпечення високої точності та об'єктивності оцінок. Наукова новизна полягає в наступному: 1. Формалізація задачі автоматизації аналізу резюме та описів вакансій на базі алгоритмів машинного навчання та обробки природної мови (NLP), що сприяє швидкому та точному визначенню відповідності кандидатів до вакансії. 2. Алгоритми оцінки відповідності ключових характеристик кандидатів до вакансії, включаючи їхні навички, освіту та досвід. Практична цінність цієї роботи полягає полегшенні та покращенні процесу відбору кандидатів для вакансій у підприємствах та організаціях. Розроблений модифікований підхід дозволяє автоматично аналізувати резюме кандидатів та адаптувати до вимог конкретної вакансії, що полегшує та раціоналізує процес відбору персоналу. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на: ● XVІ науковій конференції магістрантів та аспірантів «ПРИКЛАДНА МАТЕМАТИКА ТА КОМП’ЮТИНГ – ПМК ’2023» ● CXXXV Міжнародній науково-практичній конференції "НАУКОВІ ПІДСУМКИ 2023" Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі подана загальна характеристика роботи, проведена оцінка сучасного стану проблеми, обґрунтована актуальність напрямку досліджень, сформульовані мета та завдання дослідження. Також надано відомості про апробацію результатів та їхнє впровадження. У першому розділі проведено теоретичний аналіз проблеми оцінки відповідності кандидата до вакансії, розглянуто основні методи та технології цього процесу, а також визначено роль машинного навчання у вирішенні даної задачі. У другому розділі визначено цільові критерії та метрики, які використовуються для оцінки відповідності кандидатів до вакансій. Також обгрунтовано вибір конкретних алгоритмів та моделей для вирішення цієї задачі. У третьому розділі описано реалізацію системи оцінки відповідності кандидатів до вакансій, включаючи вибір технологій та програмного забезпечення, підготовку та обробку даних та аналіз результатів. У четвертому розділі проведено валідацію та тестування розробленого програмного забезпечення, а також оцінку його практичної вартості та ефективності в реальних умовах. У висновках подані підсумки дослідження, висновки та рекомендації щодо подальших досліджень у даній області.Документ Відкритий доступ Способи автоматизації застосунків та покращення бізнес-рішень засобами штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Гришко, Валерій Валерійович; Тарасенко-Клятченко, Оксана ВолодимирівнаАктуальність теми. Актуальність теми постійно зростає у сучасному бізнес-середовищі. Впровадження штучного інтелекту дозволяє компаніям значно знизити витрати, оптимізувавши роботу персоналу та підвищивши продуктивність за рахунок автоматизації рутинних задач. Також ШІ грає ключову роль у дослідженні та обробці великих обсягів даних, надаючи можливість компаніям виявляти нові шляхи оптимізації своєї діяльності та розробляти ефективніші стратегії. Таким чином, впровадження штучного інтелекту стає важливою складовою успішного бізнесу, дозволяючи підприємствам адаптуватися до швидко змінюваних ринкових умов і випереджати потреби своїх клієнтів. Об’єктом дослідження є способи впровадження існуючих моделей штучного інтелекту для покращення роботи бізнес-сервісів. Предметом дослідження є механізми та методи автоматизації застосунків, а також стратегії впровадження штучного інтелекту в бізнес-процеси з метою підвищення їх ефективності. Мета роботи: дослідити та систематизувати основні способи автоматизації застосунків і методи впровадження штучного інтелекту в бізнес-процеси, щоб виявити найбільш ефективні підходи до покращення бізнес-рішень та підвищення конкурентоспроможності підприємств у сучасних ринкових умовах. Наукова новизна полягає в наступному: 1. Вивченні та адаптації новітніх технологій штучного інтелекту для специфіки різних видів бізнесу, що дозволило розробити унікальні методики їх впровадження. 2. Виявленні нових можливостей використання штучного інтелекту у прийнятті стратегічних бізнес-рішень, що раніше не були відомі чи не були в повному обсязі розглянуті. Практична цінність отриманих в роботі результатів полягає в тому, що вони можуть бути безпосередньо впроваджені в діяльність різних підприємств і організацій. Розроблені методики автоматизації застосунків та впровадження штучного інтелекту відкривають можливості для підвищення продуктивності праці, оптимізації ресурсів та зниження витрат. Отримані рекомендації дозволять підприємствам формувати ефективні стратегії використання сучасних технологій, адаптуючи їх до своїх конкретних потреб. Аналіз впливу штучного інтелекту на прийняття бізнес-рішень може стати основою для розробки корпоративних навчальних програм і тренінгів для співробітників. Крім того, розглянуті в роботі практичні кейси нададуть цінну інформацію для інших компаній, що прагнуть модернізувати свої бізнес-процеси за допомогою новітніх технологій. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на XVI науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ) Структура та обсяг роботи. Магістерська дисертація складається з вступу, трьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі розглянуто історію розвитку штучного інтелекту, сучасне використання в різних галузях та основні виклики та недоліки впровадження. У другому розділі наведені існуючі методи впровадження штучного інтелекту для покращення бізнес-рішень. У третьому розділі розглянуто програму з використанням існуючих моделей штучного інтелекту, проведено дослідження для виявлення кращої моделі та кращого способу застосування. У висновках представлені результати проведеної роботи. Робота представлена на 93 аркушах, містить посилання на список використаних літературних джерел.Документ Відкритий доступ Засоби підвищення ефективності системи управління дронами в сільському господарстві(КПІ ім. Ігоря Сікорського, 2024) Ткачук, Тарас Миколайович; Морозов, Костянтин ВячеславовичАктуальність теми. Використання дронів у сільському господарстві представляє собою технологічний прорив, що дозволяє збирати дані та моніторити стан полів швидше, ефективніше та з більшою точністю порівняно з традиційними методами. Ефективне управління дронами може підвищити продуктивність у сільському господарстві шляхом точного моніторингу посівів, вчасного виявлення хвороб та стресу рослин, оптимального застосування ресурсів тощо. Впровадження систем управління дронами може допомогти зменшити витрати на працю, паливо та ресурси, забезпечуючи точне та спрямоване використання ресурсів. Спостереження за постійним розвитком технологій у сфері дронів та штучного інтелекту відкриває нові можливості для покращення систем управління дронами в аграрному секторі. Об’єктом дослідження є алгоритми та методи для пошуку найкращого маршруту для дронів у сільському господарстві. Предметом дослідження є вивчення методів оптимального планування маршрутів для дронів у контексті сільського господарства, включаючи аналіз різних алгоритмів та їхню ефективність. Метою роботи є детальний аналіз та розробка методу пошуку найкращого шляху для планування маршрутів польоту БПЛА. Наукова новизна полягає в наступному: 1. Розробка нового методу планування маршрутів 2. Інтеграція різних технологій, таких як, штучний інтелект та машинне навчання Практична цінність: точність та швидкість при плануванні маршрутів, нейронна мережа може працювати швидше та більш точно у визначенні оптимального маршруту для дрона, що дозволить економити час та забезпечувати більш ефективне використання апарату; швидке та точне планування маршрутів дронів дозволить максимізувати покриття поля або об'єкту моніторингу, що підвищить продуктивність у виявленні проблем та контролі рослин. Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на V Міжнародній студентській науковій конференції «Наука сьогодення: від досліджень до стратегічних рішень» та IV Міжнародній науково-практичній конференція «Актуальні аспекти сучасних наукових досліджень» Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі подано загальну характеристику роботи, обґрунтовано актуальність напрямку досліджень, практичну цінність роботи. У першому розділі проводиться огляд сучасних методів та технологій використання БПЛА. Другий розділ присвячено детальному аналізу методів пошуку найкращого шляху. Третій розділ включатиме розробку та опис використання розробленого методу для планування маршрутів БПЛА. Четвертий розділ буде присвячений аналізу отриманих результатів та висновкам, які випливають із дослідження. У висновках представлені результати проведеної роботи. Робота представлена на 96 аркушах, містить посилання на список використаних літературних джерел. Ключові слова: нейронна мережа, маршрутизація, автоматизовані процеси