Автоматизовані системи управління та прилади автоматики

FEW-SHOT НАВЧАННЯ ГРАФОВОЇ МОДЕЛІ НЕЙРОННОЇ МЕРЕЖІ БЕЗ ВИКОРИСТАННЯ ЗВОРОТНОГО ПОШИРЕННЯ ПОМИЛКИ

Микита Лапін

Предмет. Пропонується структурно-графовий підхід до класифікації контурних зображень у режимі few-shot без використання зворотного поширення похибки. Основна ідея — зробити структуру носієм пояснень: зображення кодується у вигляді атрибутивного графа (критичні точки та лінії як вузли з геометричними атрибутами), а узагальнення виконується через формування концепт-атракторів. Мета. Спроєктувати та експериментально підтвердити архітектуру, у якій концепти класів утворюються з кількох прикладів (5–6 на клас) шляхом структурних та параметричних редукцій, забезпечуючи прозорість рішень і відмову від backpropagation. Завдання. (1) визначити словник вузлів/ребер і набір атрибутів для контурних графів; (2) задати нормалізацію та інваріантності; (3) розробити структурні та параметричні редукційні оператори як монотонне спрощення структури; (4) описати процедуру агрегації прикладів у стабільні концепти; (5) побудувати класифікацію через graph edit distance (GED) з практичними апроксимаціями; (6) провести порівняння з репрезентативними few-shot підходами. Методи. Векторизація контуру → двочастковий граф (Point/Line як вузли); атрибути: координати (нормовані), довжина, кут, напрям, топологічні степені. Редукції: усунення нестабільних підструктур або шумів, узгодження шляхів між критичними точками. Концепти утворюються ітеративною композицією зразків; класифікація — за найкращою відповідністю графу концепту (GED з апроксимаціями). Результати. На підмножині MNIST із 5–6 базовими прикладами на клас (одна епоха) отримано узгоджувану точність близько 82% за повної трасованості рішень: помилки пояснюються конкретними структурними подібностями. Подаємо індикативне порівняння з SVM/MLP/CNN, а також метричною (ProtoNet) і мета-навчальною (MAML) лініями — у вигляді оглядового графіка. Висновки. Структурно-графова схема з концептами забезпечує few-shot навчання без backpropagation і надає вбудовані пояснення через явну графову структуру. Обмеження стосуються вартості GED та якості скелетизації; перспективи — оптимізація алгоритмів класифікації, робота зі статичними сценами та асоціативне розпізнавання.

Підтримка обмежень цілісності реляційної бази даних на етапах експлуатації та реінжинірингу у задачах інтелектуального аналізу

Олег Вікторович Золотухін — 2025-10-21

Об’єктом дослідження є реляційна база даних – база даних, заснована на реляційній моделі. Предметом дослідження є методи підтримки цілісності даних у реляційних системах, орієнтованих на інтелектуальний аналіз.

Розглядається задача виявлення нової інформації про взаємозв'язки між даними, які могли бути додані та внесені у процесі функціонування бази даних. Взаємозв'язки представляються у вигляді залежностей різних типів, які можна використовувати як вихідні дані для методів повторного проєктування (реінжинірингу) реляційної бази даних.

За підсумками аналізу особливостей проєктування інформаційних систем, які застосовують реляційну модель даних, розглянуто основні проблеми підтримки цілісності у разі багатозначних функціональних залежностей. Досліджено основні властивості багатозначних функціональних залежностей атрибутів та запропоновано метод підтримки цілісності засобами реляційних системі. Наведено низку прикладів, що пояснюють загальну проблему підтримки цілісності реляційних моделей даних, а також технологію специфічних модельних обмежень та метод вирішення поставленої задачі дослідження.

Отримані результати дозволяють в подальшому вирішити задачу розробки інформаційних систем орієнтованих на ефективну комплексну технологію – реінжиніринг реляційної бази даних в поєднанні з сучасними методами інтелектуального аналізу у застосунках користувача.

Прескриптивна модель темпоральних знань з OWL-інтеграцією для підтримки рішень в інформаційних системах

Оксана Вікторівна Чала — 2025-10-21

Об’єктом дослідження є процес формування рекомендацій в інформаційних системах на основі інтеграції темпоральних правил із стандартизованими онтологічними конструкціями для переходу від дескриптивного до прескриптивного опису в задачах підтримки управлінських рішень. Метою є розробка прескриптивної моделі темпоральних знань з інтеграцією OWL-онтологій з тим, щоб забезпечити автоматизоване формування обґрунтованих управлінських рекомендацій на основі семантично узгоджених темпоральних залежностей у інформаційних системах. Завдання: розробити представлення темпоральних знань на основі інтеграції темпоральних правил та стандартизованих OWL-Time конструкцій; розробити прескриптивну модель темпоральних знань з можливостями семантичного відображення темпоральних правил на онтологічні відношення. Використано принципи темпоральної логіки Аллена, стандарти W3C OWL-Time, методи онтологічного моделювання, алгоритми логічного виведення. Отримано такі результати. Розроблено дворівневе представлення темпоральних знань, що поєднує емпіричний рівень темпоральних правил із семантичним рівнем онтологічних відношень через систему комбінованих ваг. Створено прескриптивну модель темпоральних знань, що включає множину темпоральних правил, множину онтологічних відношень та множину комбінованих ваг для автоматизованого формування управлінських рекомендацій. Висновки. Наукова новизна отриманих результатів полягає в такому. Запропоновано прескриптивну модель темпоральних знань з OWL-інтеграцією, яка містить множини темпоральних правил, онтологій, а також комбінованих ваг, що визначають вплив цих правил та онтологій на формування рекомендацій щодо дій управлінського рішення. Модель дає можливість формувати рекомендації щодо майбутніх дій управлінського рішення на основі композиції правил з перевіркою відповідності цих правил існуючим знанням щодо предметної області.

Метод оцінки негативних аспектів рішення інтелектуальної системи в задачах побудови пояснень

Сергій Федорович Чалий — 2025-10-21

Предметом дослідження є процес оцінки негативних аспектів рішень інтелектуальних систем при формуванні користувацьких ментальних моделей для створення збалансованих пояснень. Метою є розробка методу до оцінки негативних аспектів рішень інтелектуальних систем з тим, щоб забезпечити формування збалансованих пояснень на основі інтеграції суттєвих негативних характеристик у ментальні моделі користувачів. Задачі: розробити гібридний підхід до побудови ментальної моделі, який поєднує аналіз важливості та контекстуальний аналіз релевантності рішень з метою комплексної оцінки негативних властивостей вибраного користувачем рішення; розробити метод оцінки негативних аспектів користувацького рішення при побудові ментальної моделі користувача для автоматизованого виявлення та упорядкування негативних характеристик цього рішення. Використано принципи побудови ментальних моделей користувачів інтелектуальної системи, метод SHAP-аналізу, методи сентимент-аналізу, методи контекстного аналізу. Отримано такі результати. Запропоновано гібридний підхід до побудови ментальної моделі на основі комбінованої оцінки негативних властивостей рішення інтелектуальної системи. Розроблено метод оцінки негативних аспектів рішення інтелектуальної системи. Висновки. Наукова новизна отриманих результатів полягає в такому. Запропоновано метод оцінки негативних аспектів рішення інтелектуальної системи, який містить етапи попередньої обробки вхідних неструктурованих даних, SHAP-аналізу важливості негативних властивостей, контекстного аналізу негативних властивостей та формування комбінованої оцінки рішення. Метод забезпечує можливість обґрунтованого вибору рішення користувачем з урахуванням його ключових негативних властивостей та створює умови для побудови зрозумілих пояснень і підвищення довіри користувачів.

Система на основі RGB-датчика для виявлення камуфляжу у військовому середовищі

Дмитро Миколайович Крицький — 2025-10-21

Предметом дослідження є розробка недорогої оптичної системи на основі RGB-датчика для виявлення замаскованих об’єктів у військовому середовищі. Метою дослідження є створення прототипу апаратно-програмної системи виявлення камуфляжу на основі RGB-датчика, що працює у видимому спектрі світла, з подальшою експериментальною перевіркою його ефективності у різних природних умовах. Система відзначається низьким енергоспоживанням, мобільністю та може бути інтегрована у портативні або безпілотні розвідувальні платформи. Для досягнення поставленої мети було вирішено такі задачі: розробка апаратної структури сенсорної системи на основі доступних компонентів; реалізація алгоритмів моделювання фону, виявлення кольорових аномалій та фільтрації шумів з використанням колориметричного аналізу у просторі RGB; проведення серії натурних експериментів у різних природних умовах – лісистій місцевості, степовій зоні та кам’янистому ландшафті; оцінка точності, стабільності та обмежень запропонованого рішення у порівнянні з тепловізорами та інфрачервоними камерами зі штучним інтелектом. Методологія базується на використанні RGB-датчика TCS34725 із вбудованим інфрачервоним фільтром та 16-бітним АЦП у поєднанні з мікроконтролером ESP32, який забезпечує обробку даних у реальному часі, бездротову передачу інформації та автономну роботу. Алгоритм виявлення ґрунтується на формуванні кольорового профілю фону, аналізі відхилень за евклідовою відстанню, нормалізації RGB-значень, медіанній фільтрації та адаптивному пороговому визначенні, що забезпечує стійкість до змін середовища. Результати випробувань показали, що запропонована система здатна з високою точністю ідентифікувати цифровий камуфляж «піксель» у лісистій місцевості (86 %), камуфляж «мультикам» у степових умовах (78 %) та однотонний оливковий камуфляж на кам’янистому фоні (65 %). Порівняння з тепловізійними та інфрачервоними системами підтвердило значні переваги RGB-рішення за вартістю (менше $ 20), енергоефективністю та мобільністю, хоча функціонування можливе лише у денний час. У висновках наголошується на доцільності застосування RGB-систем виявлення як економічно вигідного допоміжного інструменту для розвідки та охоронних завдань. Наукова новизна дослідження полягає в інтеграції простого й доступного RGB-сенсора з адаптивними алгоритмами моделювання фону та аналізу кольорових відхилень, що дозволяє створювати малопотужні платформи для виявлення камуфляжу. На відміну від традиційних підходів, запропонована система відкриває перспективи розгортання розподіленої мережі дешевих сенсорних вузлів або інтеграції у безпілотні літальні апарати для оперативного моніторингу великих територій.

Метод створення датасетів для оцінки алгоритмів розподілу валідаторів на основі механізму Proof of Stake

Євгеній Євгенович Деменко — 2025-10-21

Досліджено проблему відтворюваності експериментів з оптимізації розподілу валідаторів у блокчейн-мережах із консенсусом Proof of Stake, зокрема через відсутність стандартизованих датасетів та уніфікованих методів тестування, що ускладнює об’єктивне порівняння алгоритмів. Для вирішення цієї проблеми запропоновано метод побудови тестових наборів даних, що базуються на детермінованих генераторах псевдовипадкових послідовностей та характеристиках валідаторів, налаштованих за статистикою мережі Ethereum.

Кожен валідатор описано набором параметрів, що включає розмір стейку з мінімальною вимогою відповідно до стандартів Ethereum, продуктивність із рівномірним розподілом, надійність у високому діапазоні, мережеві затримки залежно від географічної близькості учасників, географічне розташування згідно з фактичною статистикою розподілу валідаторів по регіонах, якість мережевого з’єднання та історію штрафів відповідно до статистики порушень у Beacon Chain. Було створено три набори даних різного масштабу для малих, середніх та великих конфігурацій мереж із фіксованими початковими значеннями генераторів для забезпечення повної відтворюваності експериментів.

Розроблено систему багатокритеріальної оцінки, засновану на узагальненому показнику якості, що максимізує пропускну здатність системи та мінімізує дисбаланс навантаження і мережеві затримки з науково обґрунтованими ваговими коефіцієнтами. Протокол десятикратного тестування забезпечує статистичну достовірність результатів і зменшує вплив випадковості на висновки.

В експериментах було проведено порівняльний аналіз чотирьох алгоритмів розподілу: гібридного метаевристичного методу на основі оптимізації роєм частинок із локальним пошуком, випадкового розподілу з корекцією, адаптованого механізму перетасування Ethereum та жадібного алгоритму. Результати експериментів показали масштабно-залежну ефективність алгоритмів: гібридний метод забезпечує високу якість оптимізації на всіх досліджуваних масштабах, проте квадратичне зростання часу виконання обмежує його застосування періодичним офлайн-плануванням конфігурації мережі; механізм перетасування демонструє стабільні результати середньої якості при швидкому виконанні; випадковий метод характеризується помірною швидкістю з варіативними результатами; жадібний алгоритм показує максимальну швидкість із детермінованими результатами, але змінну ефективність залежно від масштабу мережі.

Запропонований метод формує основу для стандартизації експериментальних досліджень у системах консенсусу Proof of Stake та забезпечує об’єктивне порівняння нових алгоритмічних рішень для розподілу валідаторів у децентралізованих блокчейн-мережах.

Використання методів машинного навчання для виявлення атак на блокчейн-системи

Владислав Валерійович Просолов — 2025-10-21

Предметом дослідження є методи виявлення атак у мережах із консенсусом Proof-of-Stake (PoS). Мета роботи – експериментальне дослідження та аналіз ефективності класичних алгоритмів машинного навчання для виявлення шкідливих вузлів у блокчейн-системах. Задачі: аналіз вразливостей технології блокчейн, створення та використання спеціалізованого набору даних для мереж PoS, а також побудова й тестування моделей машинного навчання. Основна увага приділяється порівнянню трьох алгоритмів – Random Forest, Support Vector Machine та k-Nearest Neighbors – з метою визначення їхньої придатності для моніторингу активності вузлів та виявлення аномалій. Для вирішення поставлених задач застосовано методи: моделювання, емпіричні та математичні методи. Моделювання полягає у програмній реалізації вибраних алгоритмів і подальшому аналізі їхніх результатів із використанням метрик точності, повноти, F1-міри та матриці плутанини. Емпіричні методи реалізовано шляхом тестування моделей на напівсинтетичному датасеті, який містить понад 10000 записів про вузли та транзакції блокчейну. Математичні методи передбачають обчислення статистичних показників ефективності, а також аналіз інформативності ознак, що визначають поведінку вузлів.

Досягнуті результати: було апробовано датасет для блокчейнів PoS, що включає ключові операційні параметри транзакцій і вузлів, сформовано пропозиції щодо подальшого використання моделей машинного навчання, здійснено тестування моделей машинного навчання

Висновки. Доведено, що машинне навчання є ефективним інструментом для ідентифікації аномалій та шкідливої активності у блокчейн-системах. Отримані результати закладають підґрунтя для подальших досліджень, які можуть бути спрямовані на розширення ознакового простору, інтеграцію глибоких нейронних мереж, розробку ансамблевих підходів та адаптацію методів до різних типів блокчейнів.

Моделювання та аналіз графових нейронних мереж для оптимізації маршрутизації в інфокомунікаційних мережах

Світлана Вікторівна Штангей — 2025-10-21

Об’єктом дослідження є процес побудови маршрутів у інфокомунікаційній мережі. Розроблено, реалізовано та експериментально досліджено модель маршрутизації на основі графової нейронної мережі з edge-level класифікацією, яка побудована на архітектурі GENConv.

Розглянуто архітектурні особливості графових нейронних мереж, зокрема механізми message passing, attention, агрегування та оновлення ознак. Проведено порівняння GCN, GAT і GENConv, обґрунтовано вибір останньої як базової архітектури для edge-level класифікації маршрутних ребер. Побудовано модель на основі GENConv з MLP-декодером. Проведено навчання на великій вибірці графів та оцінено її точність, середню затримку й відсоток успішно побудованих маршрутів.

Наведено порівняння з класичним алгоритмом за якістю рішень і часом виконання. Встановлено, що в режимі inference графова модель працює значно швидше, особливо на великих графах, і не потребує повторного перебору всього простору маршрутів при кожному запиті. Це робить запропонований підхід придатним до використання в реальному часі, у динамічних мережах, де швидкість прийняття рішень є критичною.

Модель прогнозування використання ресурсів у хмарних обчисленнях з використанням архітектури Informer

Ігор Володимирович Михайліченко — 2025-10-21

Об’єктом дослідження є процес прогнозування та моніторингу навантаження хмарної інфраструктури. Визначено, що одним з ефективних способів його реалізації є застосування нейронних мереж трансформерного типу для обробки багатовимірних часових рядів телеметрії. Класичні архітектури, зокрема Informer, забезпечують високу точність прогнозування, але потребують значних обчислювальних ресурсів і тривалого навчання, що ускладнює інтеграцію у системи моніторингу реального часу.

Метою дослідження є розробка та експериментальна оцінка модифікованої архітектури Informer, оптимізованої для швидшого навчання та ефективнішого використання ресурсів при збереженні прийнятної точності. Запропонована модель враховує сезонні закономірності та реалізує ефективну самоувагу з позиційними й сезонними embedding-представленнями. Модель протестовано у системі із замкненим циклом MAPE (Моніторинг–Аналіз–Планування–Виконання), що дозволило оцінити її роботу в умовах автоматичного управління ресурсами Kubernetes.

Проведено порівняльний аналіз із класичною архітектурою Informer. Оптимізована модель забезпечила восьмиразове прискорення навчання та зменшення кількості параметрів у 10 разів при збереженні понад 88 % пояснюваності варіації даних і близької точності прогнозування метрик CPU, пам’яті, мережевих і дискових операцій. Це робить її придатною для розгортання у промислових системах моніторингу та управління хмарними ресурсами в режимі реального часу.

Розробка комбінованого методу аналізу емоційної забарвленості текстів

Костянтин Едуардович Петров — 2025-09-29

Однією з ключових задач обробки природної мови (NLP) є аналіз емоційної забарвленості тексту, який відіграє важливу роль у численних прикладних сферах, зокрема в маркетингу, соціології, психології, аналізі громадської думки та інформаційній безпеці. Системи аналізу забарвленості текстової інформації дозволяють оперативно отримувати структуровану інформацію про емоційні настрої суспільства, прогнозувати реакцію на певні події, а також виявляти потенційні загрози чи деструктивний контент.

Попри досягнуті значні успіхи в галузі NLP, існуючі методи визначення емоційної забарвленості текстів мають ряд обмежень, які знижують їхню ефективність. Зокрема, традиційні методи часто не враховують контекстуального значення слів, що є критично важливим для точного розпізнавання емоційної забарвленості. Крім того, деякі методи мають труднощі при аналізі багатозначних слів, сарказму, іронії та сленгових виразів. Тому актуальним завданням є подальше вдосконалення методів аналізу тональності тексту, зокрема через поєднання кількох методів та використання моделей глибокого навчання.

Метою дослідження є підвищення точності класифікації емоційної забарвленості природномовних текстів за рахунок використання лексиконних, статистичних і контекстуальних методів, які дозволять врахувати як поверхневі лексичні ознаки, так і глибокі семантичні зв’язки у тексті.

В запропонованому комбінованому методі поєднуються статистичне (TF-IDF) та контекстуальне (BERT) векторні представлення тексту. Таке поєднання дозволяє враховувати як частотні закономірності, так і глибокі семантичні залежності між словами. Використання ансамблевого класифікатора Random Forest дозволило побудувати стійку модель, яка здатна ефективно класифікувати короткі англомовні тексти з високим рівнем точності.

Результати експериментів показали, що запропонований комбінований метод має вищу точність класифікації (89 %) текстів, у порівнянні з базовими – TF-IDF + RF та BERT + RF (78 % і 82 % відповідно).

Використання комбінованого методу дозволить підвищити ефективність аналізу контексту, розпізнання складних мовних конструкції, що робить його перспективним для аналізу громадської думки в соціальних мережах, медіа та чат-ботах; для застосування у службах підтримки клієнтів; при визначенні емоцій користувачів веб-сервісів, сайтів та веб-додатків.

Методологія застосування блокчейн-технологій у мікромережах

Єгор Корнієнко

З огляду на сучасний розвиток децентралізованих енергетичних систем, зокрема мікромереж, блокчейн-технології та смарт-контракти набувають дедалі більшого значення у підвищенні ефективності, прозорості та кібербезпеки енергетичного сектору. У статті представлено огляд існуючих наукових досліджень та практик впровадження блокчейну в енергетичних системах із фокусом на специфіку мікромереж. Виконано порівняльний аналіз алгоритмів консенсусу у блокчейн-системах з точки зору їхньої придатності для управління мікромережами, а також розглянуто особливості криптографічного захисту та механізмів забезпечення надійності. Запропоновано класифікацію смарт-контрактів відповідно до сфер їх застосування у мікромережах, зокрема для енерготоргівлі, оптимізації розподілу ресурсів, моніторингу та підвищення кібербезпеки. Окрему увагу приділено аналізу викликів інтеграції смарт-контрактів у мікромережі, серед яких масштабованість, безпека та відсутність уніфікованих стандартів. У практичній частині статті проведено експерименти з розробки та тестування смарт-контрактів на платформі Ethereum із використанням Remix IDE та середовища Hardhat. Отримані результати дозволили оцінити обмеження різних підходів, що підтвердило значення вибору алгоритму консенсусу та архітектури смарт-контрактів для ефективної роботи мікромереж. Запропоновані результати та рекомендації можуть бути корисними для науковців і практиків у сфері децентралізованої енергетики, які працюють над проектуванням та впровадженням інноваційних рішень для мікромереж.

Графова нейронна мережа для темпорально упорядкованих даних в задачі побудови пояснень в інтелектуальній системі

Сергій Федорович Чалий — 2025-06-27

Об'єктом дослідження є процес побудови пояснень в інтелектуальних інформаційних системах. Предметом дослідження є моделі та методи формування пояснень в інтелектуальних інформаційних системах. Метою роботи є розробка моделі графової нейронної мережі, яка використовує темпоральний порядок у вхідних даних для побудови пояснень щодо процесу формування рішення в інтелектуальній системі. Завданнями дослідження є розробка моделі графової нейронної мережі для темпорально упорядкованих даних; експериментальна перевірка графової мережі в задачі побудови пояснень для системи електронної комерції. Запропоновано модель графової нейронної мережі, яка включає функціональні блоки побудови векторних представлень, виявлення темпоральних патернів з використанням мережі LSTM, формування графа мережі на заданому інтервалі часу, підготовки пояснень, прогнозування, генерації пояснень щодо прогнозних рішень з використанням механізму уваги. Механізм уваги комбінує темпоральні патерни для окремих вершин графової мережі та для взаємопов'язаних вершин графа. Розроблена модель забезпечує циклічне формування графової мережі для визначених часових інтервалів з використанням загальних правил навчання, що дозволяє виявляти темпоральні патерни та порівнювати ці патерни на різних інтервалах часу. Експериментальна перевірка підтвердила здатність мережі враховувати як статичні властивості вхідних об'єктів, так і динамічні зміни цих властивостей у часі. Додаткова перевага розробленої мережі полягає у можливості послідовної деталізації факторів, що пояснюють вплив вхідних даних на прогнозні результати роботи моделюючої системи.

Алгоритм завоювання для стохастичного заповнення двовимірних дискретних решіток зв’язаними областями

Влад Валерійович Красніков — 2025-06-27

Запропоновано новий алгоритм, що дозволяє розв’язати розповсюджену проблему генерації змістовних стохастичних зв’язаних областей для двовимірних дискретних полів. Проведено дослідження, в ході якого сформульовано відповідну чітку задачу, ілюстровану прикладом у вигляді створення ігрового поля для модифікованої версії класичної задачі N-Queens. Задача полягає у реалізації алгоритму, який дозволив би створювати будь яке поле площею N x N, де N > 0, задається вручну. Поле повинно процедурно заповнюватись зв’язними областями.

Проведено аналіз існуючих алгоритмів та підходів, які зазвичай використовуються у процедурній генерації у сумісних індустріях. Серед таких розглянуто: градієнтний шум Перліна; клітинні автомати; хвильова заливка і випадкове блукання.

Зроблено висновки, що ці алгоритми у їхній класичній репрезентації не підходять для процедурного створення ігрового поля для обраної задачі, тому у дослідженні запропоновано новий алгоритм, який є похідним від алгоритму випадкового блукання.

Цей алгоритм полягає у створенні агентів, які в даному випадку є ферзі на шахівниці. Кожен агент рухається по черзі, але можливість ходу і вибір ортогонального напряму задається за допомогою додаткових критеріїв, таких як: формула пропуску ходу, пріоритет нічийних клітин над власними, пріоритет клітин ближчих до краю поля і неможливість заходити на чужі поля.

Алгоритм реалізовано з використанням мови програмування С#. В роботу програми було також додано можливість зробити декілька генерацій поспіль і порахувати метрики для отриманих фігур на матрицях. Для дослідження успіху запропонованого алгоритму було використано такі метрики: середня витягнутість, середня прямокутність, середня зубчастість контуру, максимальна витягнутість, максимальна прямокутність і мінімальна зубчастість контуру. Було також пораховано метрику ефективності алгоритму щодо його складності тобто (кількість кроків агентів поділена на площу решітки).

Для розрахунку ефективності та збору метрик було проведено по тисячі експериментів зі значеннями розміру поля N x N, де N = 8, 12, 20. Результати роботи довели, що алгоритм працює, виконує поставлену задачу і є ефективним.

Аналіз джерел ентропії для генерації випадкових чисел на базі мобільних пристроїв

Денис Олександрович Остапець — 2025-06-27

У сучасному світі інформаційних технологій генерація випадкових чисел відіграє ключову роль у багатьох сферах. У статті проведено огляд і аналіз можливостей використання вбудованих сенсорів мобільних пристроїв як джерел ентропії для апаратних генераторів випадкових чисел (ГВЧ). Такий підхід дозволяє знизити вартість створення генераторів, зберігаючи при цьому достатній рівень випадковості.

Об’єктом дослідження є процес генерування випадкових чисел з використанням датчиків мобільних пристроїв як джерела ентропії. Показано два основні типи генераторів: програмні генератори псевдовипадкових чисел (ГПВЧ), які не завжди відповідають критеріям непередбачуваності, та апаратні генератори випадкових чисел (ГВЧ), які базуються на фізичних джерелах шуму. Для забезпечення високої якості генерації апаратні ГВЧ потребують ефективного джерела ентропії. Запропоновано використовувати сенсори мобільних пристроїв – акселерометри, гіроскопи, магнітометри, барометри, датчики освітлення тощо. Вони здатні реєструвати зміни в зовнішньому середовищі або положенні пристрою й генерувати великі обсяги даних, що можуть використовуватися як джерело ентропії.

Проведено огляд попередніх досліджень з використання датчиків мобільних пристроїв та пристроїв Інтернету речей. Сформульовано такі вимоги до датчиків: чутливість, наявність датчика у більшості мобільних пристроїв, швидкість оцифровування даних, кількість отриманих бітів за одне вимірювання. Проведено порівняльний аналіз датчиків за вказаними характеристиками. За результатами порівняння, кращі показники мають датчики акселерометра, гіроскопа і магнітометра, що і зумовило їх вибір для подальшого використання як джерел ентропії в апаратних генераторах випадкових чисел.

Причинно-наслідкове моделювання пояснень в інтелектуальних системах

Сергій Федорович Чалий — 2025-06-27

Об'єктом дослідження є процес побудови пояснень в інтелектуальних інформаційних системах. Метою дослідження є розробка причинно-наслідкового підходу до побудови пояснень в інтелектуальних системах з тим, щоб відобразити у формі пояснення причини отриманого рішення, а також причини дій процесу формування рішення й обмеження на ці дії, що дає можливість представити роботу інтелектуальної системи у зрозумілій для користувачів формі. Для досягнення мети роботи вирішуються такі завдання: розробка причинно-наслідкової моделі пояснення; розробка методу побудови пояснень на основі причинно-наслідкової моделі. Висновки. Запропоновано причинно-наслідкову модель пояснення з ієрархічною трирівневою структурою, яка структурує представлення пояснень на глобальному, процесному та локальному рівнях у темпоральному та каузальному аспектах. Модель на глобальному рівні містить можливісні причинно-наслідкові залежності між вхідними даними та рішенням системи з урахуванням прихованих факторів, на процесному рівні відображає каузальні залежності між діями процесу формування рішення на основі темпоральних правил типів «Next» та «Future», на локальному рівні задає детерміновані обмеження на послідовність дій процесу. Запропоновано темпорально-каузальний метод побудови пояснень, що містить п'ять етапів: визначення внутрішніх та зовнішніх користувачів, побудову пояснень на глобальному рівні з розрахунком можливості та необхідності, формування пояснень на процесному рівні через темпоральні правила та каузальні залежності, побудову локальних обмежень та їх перевірку, інтеграцію трирівневого пояснення. Експериментальна перевірка методу проведена на реальних даних процесу управління інцидентами.

Огляд сучасних нейромережевих архітектур для сегментації зображень

Андрій Романович Ковтуненко — 2025-06-27

Об'єктом дослідження є методи сегментації зображень та їх еволюція. Аналіз статті показав, що сегментація зображень за останнє десятиліття зазнала значного розвитку методів: від традиційних згорткових нейронних мереж до трансформерних моделей, здатних обробляти мультимодальні дані. Актуальність статті обумовлена швидким збільшенням кількості методів та підходів до вирішення різних задач сегментації, а також необхідністю розуміння сильних та слабких сторін цих методів.

Представлено хронологічний огляд моделей сегментації, починаючи з повнозв'язних згорткових нейронних мереж (FCN), продовжуючи аналізом U-Net, SegNet, сімейства DeepLab, Mask R-CNN, Gated-SCNN, FastFCN, MaskFormer, SegFormer, Mask2Former, OneFormer і завершуючи моделями нового покоління – Segment Anything Model (SAM) та її удосконаленою версією HQ-SAM. Для кожної архітектури детально розглянуто технічні особливості, інновації, переваги та обмеження.

Проведений аналіз дав змогу виявити типові слабкі місця моделей – точне виявлення границь об'єктів, сегментація малих об'єктів, доменна адаптація та використання апріорних знань, а також обчислювальні обмеження. Показано, що розвиток моделей не був лінійним, і ранні методи не були повністю замінені. Багато сучасних підходів успішно поєднують класичні методи з нейромережевими, створюючи гібридні рішення, що перевершують попередні.

Систематизація наявних підходів у хронологічному порядку дозволяє не тільки простежити еволюцію архітектурних рішень, але й зрозуміти основні ідеї та напрямки досліджень, а також невирішені проблеми, що залишаються актуальними. Це дає змогу уникати повторення вже відомих обмежень та помилок минулих підходів при розробці нових моделей і обґрунтовано обирати архітектури для вирішення прикладних задач.

Побудова функціонально-темпорального представлення ментальної моделі рішення в задачі формування пояснень в інтелектуальних системах

Сергій Федорович Чалий — 2025-06-27

Об'єктом дослідження є процес побудови ментальної моделі рішення для користувача інтелектуальної інформаційної системи. Метою є розробка підходу до побудови функціонально-темпорального представлення ментальної моделі рішення інтелектуальної інформаційної системи. Задачі: розробка функціонально-темпорального представлення ментальної моделі рішення інтелектуальної інформаційної системи; розробка методу побудови ментальної моделі рішення інтелектуальної інформаційної системи. Наукова новизна отриманих результатів полягає в такому. Розроблено функціонально-темпоральне представлення ментальної моделі, яке містить структуровану множину властивостей рішення у функціональному аспекті, а також сценарії використання рішення у темпоральному аспекті. Запропоновано метод побудови функціонально-темпорального представлення ментальної моделі, який містить етапи формування структурованого набору вхідних даних, формування переліку потенційних ментальних моделей за процесом використання, відбору релевантних властивостей рішення, побудови ментальних моделей на основі інтеграції функціональних та темпоральних характеристик, агрегації властивостей за сценаріями використання та формування доповненого представлення ментальних моделей. Метод дає можливість обґрунтовано відібрати для користувача релевантне пояснення щодо отриманого рішення. Експериментальна перевірка розробленого методу показала можливість формування ментальних моделей, які відображають як функціональні властивості рішення, так і сценарії їх використання.

Моделювання та дослідження методів детекції погляду користувача у системах людино-комп’ютерної взаємодії

Поліна Едуардівна Ситнікова — 2025-06-27

Розглянуто підходи до організації безконтактної взаємодії людини з комп’ютером на основі напрямку погляду. Наведено структуру системи, що складається з модулів виявлення обличчя, визначення орієнтації голови, аналізу положення очей та прогнозування напрямку погляду за допомогою нейромережевої моделі.

Підкреслено важливість етапу попередньої обробки та нормалізації зображень для забезпечення стабільної роботи системи в умовах змін зовнішнього освітлення та положення голови користувача. Висвітлено використання нейронної мережі, що отримує на вхід нормалізовані зображення очей та обличчя, та генерує прогноз напрямку погляду у вигляді кутів нахилу. Зазначено, що ці дані конвертуються у тривимірний вектор, який перетинається з площиною екрана для визначення координат точки, на яку спрямовано погляд.

Описано розроблений механізм підтвердження вибору за допомогою подвійного кліпання. Це рішення дозволяє виконувати команди без необхідності використання клавіатури чи миші, що є особливо актуальним для користувачів з обмеженими фізичними можливостями.

У результаті дослідження зроблено висновок, що розроблена система демонструє високу точність та стабільність при роботі в реальному часі. Запропоновані рішення відкривають перспективи для подальшого розвитку систем природної взаємодії людини з комп'ютером, зокрема у сфері асистивних технологій.

Модифікація моделі одномісного коваріантного функтора для процесу кросплатформної міграції інформаційної системи

Андрій Сергійович Круглик — 2025-06-27

Об’єктом дослідження є процес кросплатформної міграції програмного забезпечення (ПЗ) інформаційної системи (ІС). Визначено, що існуючі методи та засоби штучного інтелекту не дозволяють повністю вирішити проблему створення та використання формального механізму підтримки цілісності структурних та поведінкових особливостей моделей ІС та її ПЗ під час їх взаємної трансформації. Сучасні дослідження в цьому напрямі спрямовані, зокрема, на визначення та реалізацію окремих функторів та їх моделей для конкретних ІТ-продуктів різного призначення. Тому проведення досліджень із застосування категорно-функторного апарату для формального опису процесу кросплатформної міграції ПЗ ІС є актуальним з теоретичної і прикладної точок зору.

Як базову модель було обрано запропоновану авторами дослідження загальну модель одномісного коваріантного функтора. Визначено особливості використання цієї моделі для формального опису процесу кросплатформної міграції ПЗ ІС. Розроблено два варіанти модифікованої моделі одномісного коваріантного функтора, які дозволяють описати процес кросплафтормної міграції ПЗ ІС під час експлуатації та під час валідації цієї ІС. Запропоновано загальні методи використання модифікованих моделей у роботах та діяльностях процесу кросплафтормної міграції ПЗ ІС.

Проведено експериментальну перевірку отриманих наукових результатів. Для такої перевірки було обрано ПЗ інформаційно-аналітичної системи управління медичним закладом. Застосування модифікованої моделі одномісного коваріантного функтора дозволило представити роботу з кросплатформної міграції рефакторингу похідного коду ПЗ як функтор, реалізований у вигляді функції мовою С/С++. Отримані результати дозволяють визнати перспективною можливість застосування модифікованих моделей одномісного коваріантного функтора для формального опису інформаційної технології автоматизованого управління процесом кросплатформної міграції ПЗ ІС.

Оптимізація повторного рендерингу у вебзастосунках: аналіз проблеми та рішення на основі React

Андрій Леонідович Єрохін — 2025-05-23

Досліджено проблему надмірного повторного рендерингу в сучасних вебзастосунках, зокрема в React-додатках, яка призводить до зниження продуктивності та погіршення користувацького досвіду. Проаналізовано основні JavaScript-фреймворки (React, Vue, Angular) та їхні підходи до управління оновленнями DOM. Особливу увагу приділено механізмам віртуального DOM, примирення та алгоритмам дифінгу в React, а також проблемі непотрібних повторних рендерів компонентів.

Розроблено комплексний підхід до оптимізації процесу рендерингу вебзастосунків, розроблених на базі сучасного JavaScript-фреймворка, який враховує множинні фактори при прийнятті рішень про оновлення компонентів, що дозволяє мінімізувати повторні рендери та в цілому підвищити продуктивність усієї системи. Запропоновано модель пріоритизації для оптимізації повторного рендерингу, яка базується на оцінці видимості, важливості та вкладеності компонентів із використанням вагових коефіцієнтів. Модель дозволяє зменшити кількість непотрібних повторних рендерів, оптимізуючи використання обчислювальних ресурсів. Проведено порівняльний аналіз продуктивності з та без оптимізації, який показав зменшення середнього часу рендерингу (з 7,50 мс до 7,37 мс) та зниження пікового використання пам’яті (з 64 МБ до 61 МБ).

Переваги запропонованих результатів порівняно з існуючими методами, такими як React.memo чи useMemo, полягають у комплексному підході до пріоритизації, який враховує не лише залежності, а й контекст використання компонентів. Визначено перспективи адаптації моделі для інших фреймворків (Vue.js, Angular) та інтеграції з новими технологіями, такими як WebAssembly. Дослідження закладає основу для подальшого розвитку методів оптимізації рендерингу в вебзастосунках.

Гібридна модель представлення знань для ІТ-проєкту системи гуманітарного реагування

Тетяна Георгіївна Білова — 2025-05-23

Об’єктом дослідження є процес управління ІТ-проєктами розробки систем гуманітарного реагування. Розглянуто особливості представлення знань в процесі управління ІТ-проєктами. Сформульовано вимоги до гібридної моделі представлення знань, такі як використання попереднього досвіду, багаторівневість, інтероперабельність та врахування невизначеності.

Розглянуто багатовимірну онтологічну модель, що містить п’ять рівнів: фундаментальний, ядро, верхній доменний, нижній доменний та оперативний. Особливістю моделі є поєднання на рівні ядра трьох онтологій: управління ІТ-проєктами, системи гуманітарного реагування та процесів гуманітарного реагування.

Як основу для представлення знань використано поєднання методу міркувань на прецедентах з багаторівневою онтологією за допомогою нечітких асоціативних відношень. Для врахування невизначеності модель розширено нечіткими елементами та процедурами нечіткого виведення.

Процес виведення містить етапи формування моделі поточної ситуації, пошуку найрелевантнішого прецеденту, відображення параметрів прецеденту в онтологію, виділення фрагменту онтології для вирішення задачі, отримання невизначених параметрів шляхом нечіткого виведення, збагачення виділеного фрагмента онтології, відображення збагаченого фрагмента онтології в рішення, адаптація отриманого рішення та зберігання нового прецеденту.

Експериментальне дослідження проводилося на розробленій онтології з використанням прецедентів, створених на основі аналізу закінчених ІТ-проєктів. Онтологію було доповнено нечіткими елементами та процедурами нечіткого виведення. Експеримент показав, що якість класифікації ситуації по гібридній моделі в умовах невизначеності деяких параметрів на 16 % краще, ніж при використанні класичного методу міркувань на прецедентах.

Аналіз результатів адаптивного навчання здобувачів із застосуванням нейронної LSTM-мережі

Іван Михайлович Вовчок — 2025-05-23

Об’єктом дослідження є процес адаптивного управління навчанням шляхом використання методів штучного інтелекту. Розглянуто застосування нейронних мереж для аналізу відповідей здобувачів та визначення прогалин у знаннях. Основну увагу приділено оцінюванню ефективності моделі довгої короткочасної пам’яті (LSTM) у прогнозуванні результатів тестування на основі історії відповідей користувача.

Запропонований підхід ґрунтується на аналізі послідовності відповідей здобувача та використанні навчальних даних для виявлення закономірностей у його успішності. Порівняння з іншими засобами машинного навчання, такими як градієнтний бустинг (XGBoost) та випадковий ліс (Random Forest), показало конкурентну точність LSTM. Найефективнішим виявився підхід, що дозволяє не лише передбачати правильність відповідей, а й виявляти потенційні проблеми у сприйнятті матеріалу.

Результати дослідження свідчать про те, що використання нейромережевих моделей у навчальному процесі сприяє підвищенню ефективності адаптивного навчання. Аналіз ключових навчальних патернів дозволив визначити основні фактори, що впливають на успішність здобувачів. Виявлено, що LSTM може коригувати індивідуальну траєкторію навчання, рекомендуючи додаткові матеріали або зміни у викладанні тем, які викликають труднощі.

Запропоновану методику можна застосовувати при створенні автоматизованих систем підтримки викладачів та персоналізованого навчання. Вона може використовуватися у цифрових освітніх платформах для визначення слабких місць у знаннях здобувачів та адаптації навчального процесу до їхніх індивідуальних потреб. Очікується, що інтеграція таких технологій сприятиме підвищенню рівня засвоєння матеріалу та зменшенню кількості повторних помилок під час навчання.

Розробка базового методу стратегічного планування хмарної міграції інформаційної системи

Максим Вікторович Євланов — 2025-05-23

Об’єктом дослідження є засоби Process Mining в контексті стратегічного планування хмарної міграції інформаційних систем сучасних підприємств у рамках цифрової трансформації. Встановлено, що автоматичне відтворення моделі бізнес-процесів на основі журналів подій дозволяє виявити реальний перебіг операцій і визначити вузькі місця, які погіршують ефективність бізнес-процесів системи, а також отримати об’єктивну картину щодо фактичних маршрутів виконання бізнес-процесів. Завдяки цьому стає можливою ідентифікація потенційних відхилень від встановлених регламентів, що допомагає фахівцям визначити, які бізнес-процесів потребують перегляду та оптимізації, і мінімізувати негативний вплив «вузьких місць» на продуктивність.

Описано важливість проведення порівняльного аналізу отриманих моделей з формалізованими стандартами роботи, що дає змогу визначити критичні точки в бізнес-процесах організації. На основі результатів такого аналізу обґрунтовано необхідність адаптації моделі бізнес-процесів до вимог хмарного середовища, оскільки оновлена модель безпосередньо впливає на архітектуру ІС. Зокрема, коригування логіки взаємодії компонентів інформаційної системи та підсистем забезпечує належний рівень масштабованості, відмовостійкості й продуктивності під час роботи в хмарі.

Запропоновано загальний метод інтеграції результатів Process Mining у стратегічне планування хмарної міграції, що охоплює послідовні етапи збору даних із журналів подій, побудови та аналізу початкової моделі, а також формування розширеної моделі бізнес-процесів, яка відображає нові вимоги та виявлені закономірності. Розроблено послідовність відображень, які дозволяють описати зв’язок між оцінкою сумісності поточного стану й удосконаленого варіанта моделі та ключовими характеристиками хмарних обчислень. Реалізація цих відображень дає змогу розробити пріоритетний набір бізнес-процесів для переходу й обрати оптимальну стратегію міграції (Rehosting, Refactoring або Reengineering).

Практична цінність отриманих результатів полягає у підвищенні ефективності прийняття рішень щодо послідовності та методів перенесення ІС до хмари, а також у мінімізації операційних ризиків і зниженні витрат на реорганізацію застарілих ІС. До того ж запропонований метод сприяє обґрунтованому визначенню відповідних етапів оновлення системи, що є вкрай важливим для підтримки належної якості сервісів і задоволення зростаючих потреб бізнесу в умовах динамічного технологічного середовища.

Метод управління запасами компонентів донорської крові

Аліна Володимирівна Міхнова — 2025-05-23

Об’єктом дослідження є система управління запасами компонентів крові, яка дозволяє з урахуванням потреби у компонентах крові в закладах охорони здоров’я, можливих обсягів заготівлі та запасів компонентів крові в центрі крові та в інших закладах охорони здоров’я, здійснювати розподіл та перерозподіл компонентів крові серед закладів охорони здоров’я.

Метою розробки методу управління запасами компонентів донорської крові є оптимізація розподілу та видачі запасів компонентів крові в заклади охорони здоров’я центром крові з можливістю переспрямування компонентів крові між закладами охорони здоров’я

Для розв’язання поставленої задачі використовувалися методи управління запасами продукції, методи оцінки оптимальності запасів, методики розрахунку запасів компонентів крові в центрі крові, методики розрахунку потреби в компонентах крові з боку закладів охорони здоров’я. Запропоновано формалізований опис механізму управління запасами компонентів крові в центрі крові, представлені етапи методу управління запасами компонентів крові в центрі крові, яким може бути застосовано при розробці функціоналу модуля управління запасами компонентів крові медичної інформаційної системи служби крові. На концептуальному рівні визначено функціонал модуля управління запасами компонентів крові медичної інформаційної системи служби крові.

Результати дослідження можуть бути застосовані для вирішення задач оптимального розподілу компонентів крові серед закладів охорони з урахуванням щотижневої, щомісячної, річної потреби, що дозволить в свою чергу повністю забезпечувати заклади охорони здоров’я необхідними компонентами донорської крові, прогнозувати оптимальні обсяги заготівлі компонентів донорської крові за кожною групою крові та резус-належністю, раціонально планувати закупівлю витратних матеріалів для заготівлі компонентів донорської крові, мінімізувати кількість списання компонентів донорської крові в центрі крові та закладах охорони здоров’я через причину закінчення терміну придатності.

Прогнозування економічних показників з використанням нейронних мереж LSTM та графових моделей кореляційного аналізу

Андрій Вікторович Баник — 2025-05-23

Досліджено застосування нейронних мереж довготривалої короткочасної пам’яті (LSTM) для прогнозування макроекономічних показників України, зокрема в умовах структурних змін, спричинених впливом факторів воєнного часу. Описано обмеження традиційних методів, таких як моделі авторегресії – інтегрованого ковзного середнього (ARIMA) та векторної авторегресії (VAR), які мають труднощі у врахуванні нелінійної динаміки та адаптації до різких змін. Обґрунтовано доцільність використання LSTM як гнучкішого підходу, здатного засвоювати складні часові залежності та покращувати точність прогнозів.

Для аналізу взаємозв’язків між макроекономічними показниками застосовано графові моделі кореляційного аналізу, що дозволило виявити ключові економічні кластери та визначити найвпливовіші змінні. Проведено експериментальне тестування моделі на даних про економічний стан України, а результати прогнозування порівняно з базовими моделями (наївним прогнозом та ARIMA). Оцінка точності показала, що LSTM перевершує традиційні підходи за середньою абсолютною та середньоквадратичною помилками, особливо в умовах нестабільності.

Аналіз результатів у період після початку повномасштабної війни виявив труднощі, пов’язані зі зміною економічних зв’язків і порушенням попередніх трендів, що знизило точність прогнозів. Запропоновано шляхи адаптації моделі, зокрема введення режимних змінних, що відображають вплив факторів воєнного часу та зовнішні фінансові чинники, застосування механізму поетапного донавчання, а також використання кореляційних графів для покращення вибору вхідних змінних.

Отримані результати підтверджують ефективність використання LSTM для макроекономічного прогнозування, а також демонструють, що графові моделі кореляційного аналізу можуть посилити її адаптивність у періоди економічної нестабільності. Запропоновані методи можуть бути корисними для подальшого вдосконалення моделей прогнозування, особливо з урахуванням кризових ситуацій та структурних змін в економіці.