Вісник ХНУ. Технічні науки - 2026 рік
Постійне посилання зібрання
Переглянути
Перегляд Вісник ХНУ. Технічні науки - 2026 рік за Автор "Manziuk, Eduard"
Зараз показуємо 1 - 2 з 2
Результатів на сторінці
Налаштування сортування
Документ Автоматизоване відновлення трасувальних зв’язків між вимогами та програмним кодом з використанням великих мовних моделей(Хмельницький національний університет, 2026) Скрипнюк, Олександр; Багрій, Руслан; Манзюк, Едуард; Скрипник, Тетяна; Skrypniuk, Olexandr; Bahrii, Ruslan; Manziuk, Eduard; Skrypnyk, TetianaПроблема забезпечення узгодженості між вимогами та програмним кодом набуває критичного значення зі зростанням масштабу та складності сучасних програмних систем, адже відсутність надійних трасувальних зв’язків часто призводить до неповної реалізації вимог, ускладнює супровід коду та перевірку коректності роботи системи. Ручне формування трасувальних матриць є трудомістким і схильним до помилок процесом, особливо у великих проєктах. Використання великих мовних моделей відкриває нові можливості для автоматизації цього процесу, оскільки такі моделі здатні відображати глибокі семантичні зв’язки між текстовими вимогами та фрагментами програмного коду. У статті запропоновано метод виявлення трасувальних зв’язків між вимогами та програмним кодом із використанням трансформерних моделей великих мовних систем. Запропонований підхід ґрунтується на перетворенні текстових артефактів у векторні представлення за допомогою моделей CodeBERT, SBERT та TF-IDF з подальшим обчисленням семантичної подібності для автоматичного визначення потенційних зв’язків. Метод охоплює такі етапи як підготовки даних, генерації ембедингів, пошуку релевантних фрагментів і оцінювання отриманих результатів. Експерименти проведено на датасеті MSR-2021, що містить реальні трасувальні зв’язки для кількох проєктів. Отримані результати засвідчили перевагу CodeBERT над традиційними підходами (TF-IDF, SBERT): метод забезпечує точність до 0.85 та F1-score до 0.50 (залежно від глибини пошуку), що є високими показниками для задач автоматизованого інформаційного пошуку та ранжування. Додатково підтверджено важливість урахування структурного контексту коду та продемонстровано вплив параметра Top-K на баланс між повнотою та точністю. Результати доводять, що інтеграція моделей на основі LLM істотно підвищує рівень автоматизації, узгодженості та якості трасування вимог у сучасних середовищах розробки програмного забезпеченняДокумент Метод класифікації патологій листя рослин на основі згорткових нейронних мереж із застосуванням технологій розподіленого паралельного навчання(Хмельницький національний університет, 2026) Соколовський, Валентин; Манзюк, Едуард; Багрій, Руслан; Скрипник, Тетяна; Sokolovskyi, Valentyn; Bahrii, Ruslan; Manziuk, Eduard; Skrypnyk, TetianaУ роботі представлено удосконалений метод класифікації патологій листя сільськогосподарських рослин на основі глибокого навчання, спрямований на підвищення точності діагностики та скорочення часу обчислень. Запропоновано модифіковану п'ятиблокову архітектуру згорткової нейронної мережі (на базі VGG16) з інтегрованими механізмами батчнормалізації та dropout-регуляризації, що дозволило вирішити проблему перенавчання на обмежених вибірках. Для забезпечення ефективності експериментальних досліджень реалізовано технологію розподіленого паралельного навчання, яка базується на принципі паралелізму даних із синхронізацією градієнтів. Такий підхід дозволив суттєво прискорити процес тренування моделі та забезпечити горизонтальну масштабованість системи. Описано технологічні аспекти створення програмного забезпечення, зокрема використання декларативного конфігурування та системи версіонування, що гарантує відтворюваність експериментів та надійність результатів. Для експериментальних досліджень обрано датасет з чотирма класами хвороб листа. Проведено експериментальні дослідження на датасеті зображень листя квасолі у чотирьох категоріях. Встановлено, що запропонований метод досягає точності 91.2%, перевищуючи базову модель на 4%. Доведено критичний вплив аугментації даних на здатність моделі до узагальнення в умовах варіативності освітлення та ракурсів зйомки.