Електронний архів наукових та освітніх матеріалів КПІ ім. Ігоря Сікорського

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

Доступ до матеріалів ELAKPI

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

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

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

Розміщення матеріалів в ELAKPI
Контакти

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

 

Фонди

Виберіть фонд, щоб переглянути його зібрання.

Зараз показуємо 1 - 38 з 38

Нові надходження

Ескіз
ДокументВідкритий доступ
Моделі та методи адаптивної маршрутизації в транспортних IoT мережах
(КПІ ім. Ігоря Сікорського, 2026) Ляшенко, Андрій Володимирович; Глоба, Лариса Сергіївна
Ляшенко А.В. Моделі та методи адаптивної маршрутизації в транспортних IoT мережах. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 172 – Телекомунікації та радіотехніка. – Навчально-науковий інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Київ, 2026. У дисертаційній роботі вирішено актуальну науково-прикладну задачу управління інформаційними потоками автономних транспортних засобів в інформаційно-комунікаційній IoV-мережі розумного міста. Сучасна IoV-мережа об’єднує мобільні IoT-вузли, придорожні модулі, вузли попередньої обробки даних, базові станції та хмарні сервіси в єдину інформаційно-комунікаційну систему. У цій системі транспортний засіб виступає не лише об’єктом маршрутизації, а насамперед джерелом інтенсивних потоків V2X-повідомлень, телеметрії, сенсорних даних і службових метаданих. Для таких потоків розроблено методи адаптивної оцінки поточного QoS-стану сегментів мережі, просторово-часового прогнозування інформаційного навантаження та маршрутизації інформаційних потоків, які генеруються мобільними IoT-вузлами та обслуговуються інфраструктурними елементами IoV-мережі. Стандарти ETSI ITS і 3GPP C-V2X задають для них жорсткі вимоги до затримки доставки та актуальності даних. Постановка проблеми визначається просторово-часовою нерівномірністю інформаційного навантаження в IoV-мережі. У години пік концентрація автономних транспортних засобів на окремих сегментах мережі призводить до різкого зростання інтенсивності V2X-повідомлень, телеметрії та потоків сенсорних даних, тоді як на інших сегментах зберігається помірний режим роботи. Таке навантаження є нестаціонарним, зашумленим і схильним до швидкого поширення між суміжними ребрами графа, тому для оперативного керування мережею необхідні методи адаптивної оцінки стану інформаційних потоків, їх просторово-часового прогнозування та пошуку оптимального шляху обслуговування. Аналіз існуючих підходів показав, що класичні методи статистичного усереднення, зокрема пакетна обробка, ковзне вікно та EMA з фіксованим коефіцієнтом згладжування, не забезпечують необхідного компромісу між шумостійкістю та швидкістю реакції на сплески інформаційного навантаження. Статичні алгоритми пошуку шляху в часозалежному графі ігнорують очікуваний майбутній стан сегментів мережі, а моделі прогнозування без урахування топології не здатні відтворити поширення навантаження між сусідніми сегментами. Промислові підходи не забезпечують явного узгодження між реактивною оцінкою поточного стану та проактивним прогнозом майбутнього інформаційного навантаження. Таким чином, актуальною є задача адаптивної маршрутизації інформаційних потоків в умовах динамічно змінного QoS-стану сегментів IoV-мережі, що потребує розробки нових моделей і методів, здатних одночасно оцінювати поточний стан каналу, прогнозувати його зміну та приймати маршрутне рішення в межах часових обмежень, визначених стандартами ETSI ITS. У роботі задача формалізується у вигляді часозалежної зваженої IoV-мережі, в якій вершини відображають вузли телекомунікаційної інфраструктури (RSU, gNB, хмарні агрегатори), а ребра — сегменти передавання даних між суміжними вузлами мережі. Вага ребра визначається як час обслуговування інформаційного потоку на сегменті — тобто час перебування мобільного IoT-вузла в зоні активної генерації V2X-даних. Вимірювані QoS-індикатори стану сегмента визначають адаптивне оновлення оцінки швидкості, на основі якої обчислюється ця вага. Таке подання дозволяє поєднати реактивне оновлення стану за потоковими вимірами з прогнозом майбутнього навантаження та процедурою вибору маршруту обслуговування інформаційних потоків. Формальною основою роботи є телекомунікаційна модель IoV-мережі у вигляді часозалежного зваженого графа 𝐺𝑇 = (𝑉 , 𝐸, 𝑊(𝑡), 𝑇 ) та модель вхідного потоку даних 𝑆𝑖𝑛. У роботі розроблено телекомунікаційну модель IoV-мережі та два взаємопов’язані методи. Телекомунікаційна модель IoV-мережі подає мережеву інфраструктуру у вигляді часозалежного зваженого орієнтованого графа 𝐺𝑇 = (𝑉 , 𝐸, 𝑊, 𝑇 ), в якому вага ребра визначається як час обслуговування інформаційного потоку на сегменті. Вимірювані QoS-індикатори стану сегмента — коефіцієнт пропускної здатності 𝜂, коефіцієнт завантаження 𝐿 та коефіцієнт зміни завантаження каналу 𝜏 — визначають адаптивне оновлення оцінки швидкості, на основі якої обчислюється ця вага. Першим є метод адаптивної оцінки стану інформаційних потоків на сегментах IoV-мережі. У ньому коефіцієнт згладжування 𝛼 визначається автоматично за результатами кластеризації QoS-стану сегмента у просторі ознак (𝜂, 𝐿, 𝜏). Для побудови бази нечітких знань використано пакетно-інкрементальну кластеризацію, метрику Махаланобіса, коефіцієнт Бхаттачар’ї та нечіткий висновок Такагі–Сугено. Це забезпечує автоматичне формування правил без експертного налаштування та дозволяє змінювати 𝛼 від режиму стійкої фільтрації шуму до режиму миттєвої реакції на сплеск інформаційного навантаження. Другим є метод просторово-часового прогнозування інформаційного навантаження сегментів IoV-мережі та пошуку оптимального маршруту обслуговування інформаційних потоків. Прогнозування реалізовано на основі графової нейронної мережі з дифузійною згорткою (DiffusionConv) та блоками GRU, яка враховує топологію мережі та кореляції між суміжними сегментами. Прогноз використовується як часозалежна евристика алгоритму A*, що оцінює очікуваний QoS-стан сегментів на момент проходження через них інформаційного потоку, та забезпечує суттєве скорочення простору пошуку при збереженні оптимальності маршруту. Розроблені модель і методи утворюють єдиний контур обробки даних. На основі телекомунікаційної моделі IoV-мережі формується часозалежний граф; метод адаптивної оцінки формує згладжену реактивну оцінку поточного QoS-стану сегментів; метод прогнозування генерує короткостроковий прогноз навантаження; алгоритм A* з часозалежною евристикою визначає маршрут з мінімальним очікуваним сумарним часом обслуговування інформаційного потоку. Завдяки цьому рішення приймається не на основі одиничного зашумленого виміру, а на основі узгодженої реактивно-прогнозної оцінки стану IoV-мережі. Метою дисертаційної роботи є підвищення ефективності управління інформаційними потоками автономних транспортних засобів в IoV-мережі розумного міста за рахунок розробки телекомунікаційної моделі IoV-мережі та методів автоматичної оцінки поточного QoS-стану сегментів мережі, їх просторово-часового прогнозування та пошуку оптимального маршруту обслуговування на основі модифікованого алгоритму A*, що забезпечують скорочення часу реакції системи на зміну інформаційного навантаження та зменшення обчислювальних витрат при маршрутизації. Для досягнення мети у дисертації поставлено та вирішено сім задач: проведено аналіз архітектури IoV-мереж та особливостей формування інформаційних потоків; досліджено обмеження існуючих методів оцінки стану інформаційного навантаження; розроблено телекомунікаційну модель IoV-мережі; розроблено метод адаптивної оцінки стану; розроблено метод просторово-часового прогнозування та удосконалено метод пошуку оптимального маршруту; створено програмний комплекс та проведено експериментальні дослідження на імітаційному стенді IoV-мережі м. Ірпінь та наборі даних METR-LA. Об’єктом дослідження є процеси формування, передавання та управління інформаційними потоками автономних транспортних засобів в інформаційно-комунікаційній IoV-мережі розумного міста. Предметом дослідження є методи адаптивної оцінки стану, просторово-часового прогнозування та реактивно-проактивної маршрутизації інформаційних потоків у часозалежній IoV-мережі. Для розв’язання поставлених задач застосовано методи теорії графів для побудови часозалежної моделі IoV-мережі та реалізації алгоритмів пошуку шляху; методи машинного навчання та штучних нейронних мереж для просторово-часового прогнозування показника стану інформаційного потоку; методи теорії нечітких множин для формування адаптивної оцінки; методи імітаційного моделювання для побудови експериментального стенду IoV-мережі на основі реальної топології та синтетичних інформаційних потоків; методи інженерії програмного забезпечення для створення мікросервісної архітектури та структур даних в оперативній пам’яті. Експериментальну перевірку виконано у двох різних, але взаємопов’язаних середовищах. Перше — імітаційний стенд IoV-мережі м. Ірпінь, побудований за реальною топологією дорожнього графа та синтетичними сценаріями навантаження. Він призначений для дослідження локальних перевантажень, інцидентів і пікової інтенсивності. Друге — еталонний набір даних METR-LA, що дає змогу зіставити результати із сучасними роботами у галузі просторово-часового прогнозування. Програмну реалізацію виконано як мікросервісну систему з Apache Kafka, CSR-графом в оперативній пам’яті, сервісом TGNN-прогнозування та сервісом маршрутизації реального часу. Експериментальні результати підтвердили ефективність розроблених методів. Метод адаптивної оцінки стану інформаційних потоків демонструє зростання помилки лише у 1,2 рази при масових сплесках навантаження проти 2,7 рази для ковзного вікна, а на бенчмарку METR-LA — час реакції близько 9 с проти 171 с та шумостійкість +10% при 𝜎 = 3 mph. Компактна модель TGNN містить лише 205 тис. параметрів, що на 32% менше, ніж у DCRNN, і забезпечує 24% виграш за MAE (2,10 проти 2,77 mph). У наборі METR-LA ця метрика вимірюється в милях на годину, а швидкість 𝑣𝑠𝑒𝑔 виступає фізичним індикатором стану інформаційного навантаження сегмента. Метод пошуку оптимального шляху скорочує простір пошуку на 56–68% при емпірично зафіксованій втраті оптимальності не більше 0,00–0,08%. Навантажувальне тестування (583 повід./с, 363 000 повідомлень) показало, що програмний комплекс обробляє 96,6% потоку із затримкою 1,19 мс, тоді як підхід на основі повного перерахунку з БД обробляє лише 27,2%. Наукова новизна одержаних результатів полягає в тому, що: 1. Вперше розроблено телекомунікаційну модель IoV-мережі у вигляді часозалежного зваженого орієнтованого графа, в якій, на відміну від класичних графових моделей маршрутизації, вага ребра визначається як час обслуговування інформаційного потоку на сегменті та формується на основі вимірюваних QoS-індикаторів стану сегмента, що забезпечує формальну основу для задачі маршрутизації інформаційних потоків з урахуванням динаміки телекомунікаційного навантаження; 2. Отримало подальшого розвитку метод адаптивної оцінки стану інформаційних потоків на сегментах IoV-мережі автономних транспортних засобів, в якому, на відміну від традиційних підходів з експертним заданням бази нечітких знань, реалізовано автоматичне формування бази правил за результатами кластеризації QoS-стану сегментів з використанням метрик Махаланобіса та коефіцієнта Бхаттачар’ї і нечіткого висновку Такагі–Сугено, що забезпечує миттєву реакцію на зміну інтенсивності інформаційних потоків без участі експерта; 3. Удосконалено метод пошуку оптимального маршруту обслуговування інформаційних потоків на основі алгоритму A* за рахунок використання часозалежної прогнозної евристики на основі розробленого методу прогнозування, що оцінює очікуваний QoS-стан сегментів на момент проходження через них інформаційного потоку, що забезпечує суттєве скорочення простору пошуку при збереженні оптимальності маршруту та виконання пошуку в межах часових обмежень, визначених стандартами ETSI ITS. Практичне значення одержаних результатів полягає у створенні програмного комплексу управління інформаційними потоками в IoVмережі на основі Apache Kafka, In-Memory CSR-графа, сервісів адаптивної оцінки, TGNN-прогнозування та пошуку оптимального шляху. Розроблені методи й програмні засоби можуть бути використані для задач обробки високочастотної телеметрії та підтримки рішень у реальному часі.
Ескіз
ДокументВідкритий доступ
Моделі та метод розпізнавання емоційної тональності фрагментів тексту в універсальних комп’ютерних системах
(КПІ ім. Ігоря Сікорського, 2026) Коровій, Олександр Сергійович; Терейковський, Ігор Анатолійович
Коровій О.С. Моделі та метод розпізнавання емоційної тональності фрагментів тексту в універсальних комп’ютерних системах. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 12 Інформаційні технології за спеціальністю 123 Компʼютерна інженерія. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026. Дисертаційна робота присвячена вирішенню наукового завдання яке полягає у розробці нейромережевих моделей та методу, що забезпечують підвищення ефективності розпізнавання емоційної тональності фрагментів тексту в універсальних комп’ютерних системах в умовах обмежених обчислювальних ресурсів з урахуванням лінгвістичної специфіки української мови. Актуальність цього наукового завдання зумовлена безпрецедентним зростанням обсягів неструктурованих текстових даних у соціальних мережах, медіа та на онлайн-платформах, що формує високий попит на технології автоматичного розпізнавання емоційної тональності з боку державних органів та бізнес-структур. Для українського інформаційного простору ця проблематика набуває стратегічного значення в умовах повномасштабного збройного вторгнення, коли інформаційно-психологічні операції противника цілеспрямовано використовують емоційну маніпуляцію через соціальні мережі для дестабілізації суспільних настроїв і підриву стійкості держави. Разом із тим більшість існуючих засобів розпізнавання емоційної тональності потребує суттєвої адаптації до лінгвістичної специфіки української мови, характеризується високими вимогами до обчислювальних ресурсів і залежністю від закордонної інфраструктури, що обмежує їх надійність та достовірність результатів. Це визначає доцільність розробки нейромережевих моделей і методу, орієнтованих на ефективне розгортання у вітчизняних інформаційних системах за умов обмежених обчислювальних ресурсів. Об’єктом дослідження дисертаційної роботи є процеси розпізнавання емоційної тональності текстових фрагментів в універсальних комп’ютерних системах. Предметом дослідження є моделі та метод розпізнавання емоційної тональності текстових фрагментів. Метою дисертаційного дослідження є підвищення ефективності засобів для розпізнавання емоційної тональності фрагментів тексту в універсальних комп'ютерних системах за рахунок підвищення якості розпізнавання з урахуванням обмежень щодо обчислювальної ресурсоємності, а також лінгвістичних особливостей української мови. Відповідно до мети дослідження сформульовано такі наукові завдання: 1. Провести аналіз сучасних методів і засобів розпізнавання емоційної тональності тексту та визначити перспективні шляхи підвищення їх ефективності. 2. Провести розвиток методологічної бази розпізнавання емоційної тональності текстових фрагментів з використанням нейромережевих засобів в універсальних комп'ютерних системах. 3. Розробити метод розпізнавання емоційної тональності текстових фрагментів з використанням нейромережевих засобів в універсальних комп’ютерних системах. 4. Розробити та дослідити систему розпізнавання емоційної тональності фрагментів тексту в універсальних комп’ютерних системах. Основні наукові результати дисертаційного дослідження: - Вперше розроблено модель побудови нейромережевих засобів розпізнавання емоційної тональності фрагментів тексту, що за рахунок модульної інтеграції процедур токенізації на основі підслівних одиниць та визначення формалізованої множини конструктивних параметрів нейромережевої моделі, забезпечує адаптацію нейромережевих засобів до лінгвістичної специфіки та ресурсних обмежень умов застосування. - Вперше розроблено концептуальну модель розпізнавання емоційної тональності фрагментів тексту, що за рахунок системного узгодження параметрів нейромережевої архітектури з обмеженнями обчислювальних ресурсів та лінгвістичною специфікою навчальних даних, забезпечила формалізований опис напрямків досліджень з розробки відповідних засобів розпізнавання. - Отримав подальший розвиток метод розпізнавання емоційної тональності фрагментів тексту, що за рахунок комплексного використання моделі побудови нейромережевих засобів, удосконаленої системи критеріїв оцінювання та розробленого анотованого корпусу україномовних текстів, забезпечує можливість адаптації архітектури засобу розпізнавання до умов застосування та розширення лексичного покриття предметної області, що дозволяє підвищити якість розпізнавання з урахуванням обмежень щодо обчислювальної ресурсоємності, а також лінгвістичних особливостей української мови. - Отримала подальший розвиток система критеріїв оцінювання ефективності засобів розпізнавання емоційної тональності фрагментів тексту, що за рахунок використання розширеної множини метрик якості, інтерпретованості та ресурсоємності, дозволила розрахувати критерії якості класифікації, обчислювальної складності, а на їх основі і критерій сумарної ефективності, що забезпечує можливість комплексного оцінювання засобів розпізнавання з позицій точності, інтерпретованості та обчислювальних витрат. Практичне значення одержаних результатів полягає у розробці архітектури системи розпізнавання емоційної тональності фрагментів тексту, що дозволяє підвищити якість розпізнавання, адаптована для інтеграції в універсальні комп’ютерні системи моніторингу інформаційного простору, а також може бути використана для створення спеціалізованих інструментальних засобів відповідного призначення. Практичне цінність одержаних результатів полягає у наступному: - Застосування розробленого методу розпізнавання емоційної тональності фрагментів тексту дозволяє приблизно на 26% підвищити якість розпізнавання емоційної тональності при розгортанні засобів розпізнавання на високопродуктивних системах або забезпечити функціонування з латентністю менше 100 мкс при розгортанні засобів розпізнавання на мобільних пристроях. - Створений анотований україномовний корпус даних може бути використаний науковою спільнотою для подальших досліджень у галузі обробки природної мови. - Розроблені програмні застосунки, що реалізують запропонований метод, впроваджені в навчальний процес на кафедрі системного програмування і спеціалізованих комп’ютерних систем Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського" (акт впровадження від 30.04.2026). У вступі показано актуальність теми дисертації, обґрунтовано мету і завдання дослідження, визначено наукову та практичну цінність отриманих результатів і особистий внесок автора у спільних публікаціях. У першому розділі проведено комплексний аналіз предметної області, розглянуто постановку задачі розпізнавання емоційної тональності в контексті універсальних комп'ютерних систем, проаналізовано відомі засоби та виявлено ключові проблеми, зокрема, дефіцит даних для української мови та відсутність системних підходів до проєктування обчислювально ефективних моделей. Визначено, що важливим напрямком підвищення ефективності є вдосконалення нейромережевих засобів розпізнавання. У другому розділі вдосконалено методологічну базу розпізнавання емоційної тональності текстових фрагментів з використанням нейромережевих засобів в універсальних комп'ютерних системах. Розроблено концептуальну модель розпізнавання емоційної тональності фрагментів тексту. Удосконалено систему критеріїв оцінювання ефективності засобів розпізнавання. Розроблено модель побудови нейромережевих засобів розпізнавання емоційної тональності. У третьому розділі запропоновано метод розпізнавання емоційної тональності текстових фрагментів з використанням нейромережевих засобів в універсальних комп’ютерних системах. В рамках розробки методу обґрунтовано процедуру підготовки вхідних даних. Розроблено математичну модель, яка формалізує процес розпізнавання як композицію функцій представлення, вилучення контекстуальних ознак та класифікації. Розроблено механізм вибору архітектури нейромережевої моделі, що забезпечує адаптацію засобів до умов застосування. У четвертому розділі розроблено та досліджено систему розпізнавання емоційної тональності текстових фрагментів в універсальних комп’ютерних системах. Розроблено архітектуру програмної системи розпізнавання емоційної тональності фрагментів тексту. Створено анотований україномовний корпус емоційно забарвлених текстів. Експериментально підтверджено, що запропоновані рішення дозволяють підвищити ефективність процесу розпізнавання емоційної тональності фрагментів тексту в універсальних комп'ютерних системах за рахунок підвищення якості розпізнавання з урахуванням обмежень щодо обчислювальної ресурсоємності, а також лінгвістичних особливостей української мови. Основні результати дисертаційної роботи опубліковано у 10 публікаціях, з яких 2 статті в періодичних виданнях, що проіндексовані у базі даних Scopus, 3 публікації опубліковані у фахових виданнях, включених до переліку наукових фахових видань України з присвоєнням категорії «Б», 3 публікації у матеріалах наукових конференцій. Отримано 2 авторських свідоцтва на компʼютерні програми.
Ескіз
ДокументВідкритий доступ
Моделі та метод розпізнавання ключових слів у голосовому сигналі в компʼютерних системах з обмеженими ресурсами
(КПІ ім. Ігоря Сікорського, 2026) Дідус, Андрій Володимирович; Терейковський, Ігор Анатолійович
Дідус А.В. Моделі та метод розпізнавання ключових слів у голосовому сигналі в компʼютерних системах з обмеженими ресурсами. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 12 Інформаційні технології за спеціальністю 123 Компʼютерна інженерія. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026. Дисертаційна робота присвячена вирішенню наукового завдання щодо розробки моделей та методу, які ґрунтуються на принципах динамічного програмування та забезпечують підвищення ефективності розпізнавання ключових слів у голосовому сигналі в комп’ютерних системах з обмеженими ресурсами. Актуальність цього наукового завдання зумовлена стрімкою інтеграцією голосового керування у широкий спектр вбудованих пристроїв, що охоплюють побутову електроніку, промислові системи та Інтернет речей. Голосовий сигнал перетворюється на найбільш природний канал комунікації, особливо у випадках, коли візуальний або тактильний контакт із пристроєм є ускладненим чи неможливим. Для українського безпекового та оборонного сектору зазначені питання є надзвичайно важливими в умовах повномасштабного збройного вторгнення. Системи безконтактного голосового керування технічними засобами необхідні в ситуаціях, де висуваються жорсткі вимоги до надійного розпізнавання команд з обмеженого словника в реальному часі за умов дефіциту обчислювальних ресурсів і відсутності стабільного каналу зв'язку. Разом із тим більшість сучасних рішень на базі глибоких нейронних мереж характеризується високими вимогами до обчислювальних потужностей, залежністю від хмарної інфраструктури та складністю оперативної адаптації до зміни набору ключових слів. Це унеможливлює їх безпосереднє застосування у спеціалізованих обчислювальних модулях зазначеного типу й визначає доцільність розробки засобів розпізнавання, що ґрунтуються на принципах динамічного програмування. Об’єктом дослідження являється процеси розпізнавання ключових слів у голосовому сигналі в комп’ютерних системах з обмеженими ресурсами. Предметом дослідження являються моделі та метод розпізнавання ключових слів у голосовому сигналі. Метою дисертаційного дослідження є підвищення ефективності розпізнавання ключових слів з малого словника за рахунок підвищення якості розпізнавання та оперативності адаптації до модифікації набору ключових слів з урахуванням обмеженості обчислювальної ресурсоємності комп'ютерної системи. Відповідно до мети дослідження сформульовано такі наукові завдання: 1. Провести аналіз відомих методів і засобів розпізнавання ключових слів у голосовому сигналі та визначити перспективні шляхи підвищення їх ефективності в комп’ютерних системах з обмеженими ресурсами. 2. Розвинути теоретичні засади процесу розпізнавання ключових слів з малого словника на основі принципів динамічного програмування. 3. Розробити метод розпізнавання ключових слів з малого словника з урахуванням обмеженості обчислювальної ресурсоємності комп'ютерної системи. 4. Розробити та дослідити систему розпізнавання ключових слів з малого словника в компʼютерних системах з обмеженими ресурсами. Основні наукові результати дисертаційного дослідження: - Вперше розроблено метод розпізнавання ключових слів у голосовому сигналі, який за рахунок поєднання адаптивної попередньої обробки з процесами, визначеними в запропонованій моделі побудови, забезпечує підвищення якості розпізнавання та оперативності адаптації до модифікації набору ключових слів з урахуванням обмеженості обчислювальної ресурсоємності комп'ютерної системи. - Вперше розроблено концептуальну модель розпізнавання ключових слів у голосовому сигналі, що за рахунок системної декомпозиції інтегрального показника ефективності на функціональні складові даних, сигналу та моделі, дозволила визначити можливість підвищення ефективності процесу розпізнавання шляхом застосування адаптивної попередньої обробки, врахування вагомості окремих інформативних ознак, модульної інтеграції процесів параметризації та класифікації, а також врахування специфіки метричного порівняння в умовах обмежених обчислювальних ресурсів. Отримав подальший розвиток підхід до пріоритезації інформативності ознак голосового сигналу, що за рахунок застосування вагових коефіцієнтів при формуванні дискретних еталонних шаблонів та параметризації вхідного потоку, забезпечує можливість комплексного узгодження показників точності, оперативності та обчислювальної ресурсоємності засобів розпізнавання голосових сигналів. Отримала подальший розвиток модель побудови засобів розпізнавання ключових слів, яка за рахунок реалізації підходу до пріоритезації інформативності ознак через модульну інтеграцію процедур зваженого акустичного фінгерпринтингу та детерміністичного шаблонного зіставлення дозволяє підвищити оперативність та зменшити ресурсоємність засобів розпізнавання. Практичне значення одержаних результатів полягає у розробці архітектури системи розпізнавання ключових слів у голосовому сигналі, що забезпечує підвищення ефективності розпізнавання та придатна для розгортання на комп'ютерних засобах з обмеженими обчислювальними ресурсами. Запропоновані моделі та метод можуть бути використані при створенні інтерфейсів голосового керування спеціалізованим обладнанням і мобільними застосунками. Практична цінність одержаних результатів полягає у наступному: - Застосування розробленого методу розпізнавання ключових слів дозволяє за метрикою F1 в 1.05-1.2 рази підвищити точність розпізнавання по відношенню до класичних комп’ютерних засобів, що базуються на принципах динамічного програмування, при дотриманні обмежень щодо оперативності та ресурсоємності, а по відношенню до засобів розпізнавання на основі нейронних мереж при співрозмірній точності розпізнавання - більше ніж в 3 рази підвищити оперативність та більше ніж в 5 разів зменшити обчислювальну ресурсоємність, забезпечуючи при цьому оперативність адаптації до модифікації набору ключових слів. - Розроблені програмні додатки, що реалізують запропоновані моделі та метод, впроваджені в навчальний процес на кафедрі системного програмування і спеціалізованих комп’ютерних систем Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського" (акт впровадження від 30.04.2026). У вступі обґрунтовано актуальність теми дисертації, визначено мету і завдання дослідження, розкрито наукове та практичне значення результатів, а також відображено особистий внесок автора у працях, опублікованих у співавторстві. У першому розділі розглянуто сучасний стан проблеми розпізнавання ключових слів у системах з обмеженими ресурсами. Проведено аналіз класичних та нейромережевих підходів, виявлено їхні переваги та недоліки. Обґрунтовано доцільність співвіднесення шляхів підвищення ефективності розпізнавання ключових слів у голосовому сигналі в комп’ютерних системах з обмеженими ресурсами з розробкою засобів, що базуються на принципах динамічного програмування. У другому розділі проведено розвиток теоретичних засад процесу розпізнавання ключових слів з малого словника на основі принципів динамічного програмування. Розроблено концептуальну модель розпізнавання ключових слів у голосовому сигналі, що ґрунтується на представленні інтегрального показника ефективності (часової, ресурсної, адаптивної) як векторного функціоналу. Розроблено підхід до пріоритезації інформативності ознак голосового сигналу, який забезпечує можливість комплексного узгодження показників точності, оперативності та обчислювальної ресурсоємності засобів розпізнавання голосових сигналів. У третьому розділі розроблено метод розпізнавання ключових слів з малого словника з урахуванням обмеженості обчислювальної ресурсоємності комп'ютерної системи. При цьому сформовано процедури підготовки вхідних та вихідних даних, запропоновано багатоетапний конвеєр попередньої обробки сигналу та визначено зміст та послідовність реалізації етапів методу. У четвертому розділі розроблено та досліджено систему розпізнавання ключових слів з малого словника в компʼютерних системах з обмеженими ресурсами. Запропоновано архітектуру системи розпізнавання, розроблено експериментальну установку та проведено експериментальні дослідження, що підтвердили доцільність використання дисертаційних рішень для підвищення ефективності процесу розпізнавання ключових слів з малого словника за рахунок підвищення якості розпізнавання та оперативності адаптації до модифікації набору ключових слів з урахуванням обмеженості обчислювальної ресурсоємності комп'ютерної системи. Основні результати дисертаційної роботи опубліковано у 11 публікаціях, з яких 1 стаття в періодичному виданні, що проіндексоване у міжнародній наукометричній базі Scopus, 4 статті у фахових виданнях, категорії «Б» та 4 міжнародних та всеукраїнських науково-практичних конференціях, отримано 2 авторських свідоцтва на компʼютерні програми.
Зображення профілю
Користувач
Andrii Astrakhantsev
Ескіз
ДокументВідкритий доступ
Спосіб трансформації нейронних мереж для використання в контексті некласичних обчислень
(КПІ ім. Ігоря Сікорського, 2026) Хмельницький, Арсеній Андрійович; Юрій, Григорович Гордієнко
Хмельницький А.А. Спосіб трансформації нейронних мереж для використання в контексті некласичних обчислень. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 121 – Інженерія програмного забезпечення з галузі знань 12 – Інформаційні технології. – Національний Технічний Університет України «Київський Політехнічний Інститут імені Ігоря Сікорського», Київ, 2025. У дисертаційній роботі розглянуто проблему адаптації нейронних мереж до умов некласичних обчислювальних середовищ, зокрема квантових, нейроморфних та інших альтернативних парадигм. В умовах стрімкого зростання обчислювальної складності сучасних моделей штучного інтелекту та зростаючого інтересу до нових апаратних платформ постає задача розробки методів трансформації архітектур нейронних мереж, які б дозволяли ефективно переносити класичні моделі в нові обчислювальні контексти. Актуальність роботи зумовлена відсутністю формалізованих принципів інтеграції квантових перетворень у структури класичних нейронних мереж. Наявні підходи здебільшого ґрунтуються на емпіричних налаштуваннях без чіткого опису того, як параметризовані квантові операції впливають на стабільність, відтворюваність і продуктивність моделей на даних різної складності. Ситуація ускладнюється тим, що медичні набори даних є високоваріативними, містять значний дисбаланс класів і чутливі до перенавчання, що потребує пошуку стійкіших архітектур. Метою роботи є підвищення ефективності та стабільності систем класифікації зображень шляхом розробки методу трансформації нейронних мереж у гібридні квантово-класичні архітектури, придатні для використання в контексті некласичних обчислень. У роботі проаналізовано властивості типових некласичних обчислювальних систем, визначено обмеження, які вони накладають на структуру та функціональні елементи моделей машинного навчання. Для досягнення поставленої мети проаналізовано сучасні методи квантового та гібридного глибинного навчання, досліджено можливості використання квантових симуляторів у задачах опрацювання зображень, розроблено метод трансформації нейронних мереж на архітектурному, функціональному та реалізаційному рівнях, запропоновано конфігурації гібридних квантово-класичних моделей із квантовою згорткою як препроцесингом, а також експериментально оцінено ефективність гібридних моделей порівняно з класичними та проаналізовано вплив кількості квантових каналів і масштабу класичної основи на якість і стабільність класифікації. Розроблено та досліджено метод використання квантових перетворень як квантово-згорткового препроцесингу (quanvolution) для формування багатоканального представлення вхідного зображення. Масштабована архітектура HNN-QCn передбачає поєднання кількох паралельних класичних основ нейронної мережі (бекбонів), де кожен отримує окремий квантовоперетворений канал; для генерації квантових варіацій використовуються однокубітні обертання навколо осей Y, X та їх комбінації (RY, RX, RXY). Для узагальнення прогнозів, отриманих для різних квантових варіацій зображення, обґрунтовано застосування мажоритарного голосування (Majority Voting - MV) як завершального кроку формування фінального передбачення гібридної моделі. Наукова новизна одержаних результатів полягає в тому, що вперше запропоновано комплексний спосіб побудови гібридних квантово-класичних нейронних мереж, який, на відміну від наявних підходів з інтеграцією квантової компоненти в одну фіксовану архітектуру, забезпечує системну трансформацію мереж на трьох взаємопов’язаних рівнях — архітектурному, функціональному та реалізаційному. Набув подальшого розвитку метод квантового препроцесингу на основі квантової згортки, який передбачає паралельне застосування кількох однокубітних обертань для формування множини додаткових каналів, завдяки чому квантово-індуковані ознаки виконують роль регуляризатора. Вперше сформульовано критерій доцільності застосування квантового препроцесингу залежно від масштабу класичної компоненти та вперше розроблено стандартизований протокол експериментального оцінювання, що поєднує стратифіковану перехресну перевірку, прогнозування на позатренувальних блоках (Out-of-Fold) і статистичний аналіз стабільності метрик. Експериментальні дослідження виконано на еталонному наборі даних загального призначення CIFAR-10 та прикладних спеціалізованих медичних наборах даних MedMNIST (BloodMNIST, PathMNIST, DermaMNIST). Показано зростання якості зі збільшенням кількості квантових каналів: для набору даних CIFAR-10 комбінована конфігурація HNN-5QC (YW4+O1) досягла значень точності (accuracy) 0.769±0.002 при значеннях AUC_micro = 0.964±0.022 та AUC_macro = 0.969±0.001, що перевищує аналогічні показники базової моделі. Також встановлено перевагу вибору класичного бекбону: на наборі даних DermaMNIST модель з основою LCNet050 стабільно переважає модель з основою MobileNetV3Small050 за показниками AUC (ΔAUC ≈ 0.02; AUC_macro 0.9540 проти 0.9340; AUC_micro 0.9585 проти 0.9381). Встановлено, що ефект гібридизації найбільший для компактних і середніх класичних архітектур, тоді як для великих компонент він суттєво зменшується; зі збільшенням кількості квантових каналів якість зростає до діапазону QC5–QC9, після чого спостерігається ефект насичення. Одночасно зменшується міжфолдова варіативність метрик, що підтверджує інтерпретацію квантовоіндукованої ознакової надбудови як регуляризатора, який підвищує стабільність і відтворюваність прогнозів. Практичне значення одержаних результатів полягає у формалізації підходу побудови гібридних квантово-класичних моделей та створенні відтворюваного експериментального потоку робочих операцій (workflow) для систематичного добору квантових трансформацій, кількості квантових каналів і класичних архітектур під конкретні задачі класифікації зображень із підвищеними вимогами до надійності. Результати дисертації отримано здобувачем самостійно: розроблено концепцію та принципи системної трансформації нейронних мереж, архітектуру HNN-QCn і схему багатоканального кванволюційного входу, реалізовано програмні засоби та проведено експерименти. Основні положення оприлюднено на міжнародних наукових конференціях (ICAIS 2024; ICTSM, Сінгапур, 2024) та опубліковано в наукових працях, зокрема у виданнях, що індексуються в Scopus (журнали AI та Computation), і у фаховому виданні України. Дисертація складається зі вступу, чотирьох розділів, висновків, списку використаних джерел і додатка. У ній послідовно розглянуто квантові обчислення та інструменти штучного інтелекту, особливості класичних і некласичних обчислень для гібридизації, комплексний спосіб побудови квантово-класичних гібридних мереж, а також аналіз результатів експериментів з багатоканальною кванволюцією, масштабуванням архітектури HNN-QCn і впливом вибору класичної основи.