Вережинський, В. А.Даниленко, А. В.Рупіч, С. С.Цибульник,С. О.2026-03-122026-03-122025Розробка системи генерації на основі алгоритму штучного інтелекту. Частина 2 / Вережинський В. А., Даниленко А. В., Рупіч С. С., Цибульник С. О. // Вісник КПІ. Серія Приладобудування : збірник наукових праць. – 2025. – Вип. 69(1). – С. 70-74. – Бібліогр.: 9 назв.https://ela.kpi.ua/handle/123456789/79440Під штучним інтелектом часто розуміють певний алгоритм або ансамбль моделей машинного навчання, що надає змогу вирішувати прикладні задачі різного характеру, найчастіше з присутньою характерною нелійнійністю, з урахуванням специфіки області дослідження та можливості застосування нетривіальних підходів. Однією з таких задач є завдання генерації нових об’єктів чи поєднань. В даній роботі розглядається повний цикл розробки системи генерації, починаючи від збору даних, завершуючи готовою моделлю з елементами штучного інтелекту. Зазвичай моделі та алгоритми, що використовуються, потребують набір початкових даних, який забезпечує навчання та пошук певних закономірностей, та в подальшому може бути використаний для інших досліджень. Перша частина статті присвячена вирішенню задачі формування набору даних. Було розглянуто методи захисту інтернет-джерел, розроблено парсер для автоматичного збору даних з електронних джерел та ресурсів, виконано препроцесінг отриманої інформації та виконано композицію датасету комбінацій слів. Це найбільш трудоємкий та важливий етап у розробці системи генерації, адже всі подальші результати, їх якість та достовірність, повністю залежать від повноти, чистоти та правильності сформованих даних. Друга частина присвячена наступним етапам розробки системи генерації, а саме візуалізації даних, налаштуванню параметрів математичної моделі та перевірка згенерованих результатів. На етапі формування датасету інформація представляється у табличному вигляді, тому важливим етапом є візуальний аналіз. В даній роботі для візуалізації використовуються вектори ембедингу, що отримані через просту нейронну мережу Word2Vec, оскільки дані представляються у текстовому вигляді. Ці вектори трансформуються у двовимірний простір за допомогою методу t-SNE. В якості моделі генерації на останньому етапі розробки системи застосовується алгоритм класичного машинного навчання Ланцюг Маркова. Такий підхід надає можливість створювати відносно просту, але ефективну систему, що в повній мірі відповідає процесу моделювання для знаходження нових закономірностей та поєднань.ukгенераціяаналізпрепроцесингматематичний алгоритмнейронна мережамашинне навчанняgenerationanalysispreprocessingmathematical algorithmneural networkmachine learningArticleС. 70-74https://doi.org/10.20535/1970.69(1).2025.331890004.021, 004.62, 004.855.50000-0001-8237-70010000-0002-4462-0936