Перегляд за Автор "Mazurets, Oleksandr"
Зараз показуємо 1 - 10 з 10
Результатів на сторінці
Налаштування сортування
Документ Автоматизований розподіл процесів при управлінні ІТ-проєктами(Хмельницький національний університет, 2025) Скрипник, Тетяна; Багрій, Руслан; Мазурець, Олександр; Вознюк, Леонід; Ільчишин, Владислав; Skrypnyk, Tetiana; Bahrii, Ruslan; Mazurets, Oleksandr; Voznyuk, Leonid; Ilchyshyn, VladyslavУ сучасному управлінні ІТ-проєктами особливої актуальності набуває проблема ефективного розподілу завдань між виконавцями. Автоматизація цього процесу дозволяє значно підвищити продуктивність роботи команд, скоротити терміни виконання завдань і мінімізувати вплив людського фактора. У статті розглянуто інформаційну технологію автоматизованого розподілу процесів при управлінні ІТ-проєктами, що базується на використанні інформаційної моделі організації управління, математичної моделі прогнозування ефективності виконавців та методу оцінки їх відповідності заданим критеріям. Запропонована інформаційна технологія враховує рівень компетенцій працівників, їхній професійний досвід, історію виконання аналогічних завдань та досвід взаємодії з іншими членами команди. Розроблена математична модель дозволяє розраховувати прогнозовану ефективність виконання завдань кожним виконавцем, спираючись на систему вагових коефіцієнтів, що визначають вплив компетентності, досвіду та командної взаємодії. Метод оцінки ефективності ґрунтується на аналізі вхідних даних і використовується для оптимального розподілу завдань. Алгоритм функціонування запропонованої технології включає чотири основні етапи: актуалізацію вхідних даних, вибір ІТ-проєкту з нерозподіленими задачами, призначення виконавців на основі розрахованих показників ефективності та формування виробничої карти виконання проєкту. Вихідними даними є персоналізований розподіл завдань між розробниками, що дозволяє підвищити ефективність виконання проєкту та знизити ризики затримок. Результатом впровадження автоматизованого розподілу процесів в управлінні ІТ-проєктами є підвищення продуктивності команди, оптимізація використання ресурсів та зниження ймовірності неефективного призначення виконавців. Запропонована методика може бути використана в організаціях, що працюють над масштабними ІТ-проєктами, для підвищення якості управлінських рішень та ефективності реалізації проєктівДокумент Алгоритми для підвищення точності нейромережевої класифікації побутового сміття з використанням хмарних керованих обчислювальних вузлів(Хмельницький національний університет, 2026) Молчанова, Марина; Собко, Олена; Мазурець, Олександр; Держак, Владислав; Molchanova, Maryna; Sobko, Olena; Mazurets, Oleksandr; Derzhak, VladyslavАктуальність роботи зумовлена зростанням потоків побутових відходів і потребою у точному розпізнаванні матеріальних категорій у реалістичних сценах з нерівномірним освітленням, фоновими завадами та дисбалансом класів. Практична ефективність таких систем визначається не лише вибором архітектури, а насамперед керованою якістю даних і відтворюваністю експериментів у стандартизованому середовищі. У статті запропоновано якісно орієнтований конвеєр, у якому модуль контролю якості інтегровано безпосередньо в цикл навчання. Фільтрація за різкістю, контрастом, експозиційною збалансованістю та фоновою засміченістю формує очищену підвибірку для подальшого донавчання попередньо натренованої моделі. Використано керовані хмарні обчислювальні вузли на базі сеансів Google Colab з доступом до графічних прискорювачів, фіксованими версіями бібліотек і журналюванням артефактів, що забезпечує сталість програмного оточення та порівнюваність серій. Методологія спирається на архітектуру MobileNetV3 Small з перенесенням ознак ImageNet та заміною класифікаційної голови на тридцятикласову постановку задачі. Для експериментів використано набір Recyclable and Household Waste Classification Dataset з тридцятьма категоріями, включно з паперовими, пластиковими, скляними та металевими підкласами, а також органічними фракціями. Базове оцінювання на сирій вибірці дало узгоджені результати за сукупністю метрик з точністю 0.7703 і високими площами під ROC кривими, що засвідчує добру роздільність імовірнісних виходів і наявність резерву для стабілізації рішень у багатокласовому режимі. Включення фільтрації в цикл навчання забезпечило предметні покращення у класах, схильних до перехресних помилок унаслідок блиску та слабкої фактури. Для paper_cups зафіксовано зростання точності на 13.13 відсотка, повноти на 10.69 відсотка, інтегрально F1 на 11.85 відсотка. Позитивні зрушення отримано також для steel_food_cans, clothing і magazines, де зменшено плутанину із візуально подібними категоріями. Отримані результати підтверджують доцільність перенесення акценту з ускладнення архітектур на керовану якість даних і дисципліну експерименту у хмарному середовищі. Запропонована інтеграція підвищує стійкість класифікації та створює підґрунтя для надійного впровадження комп’ютерного зору в інфраструктуру перероблення і підтримує практики циркулярної економікиДокумент Алгоритми та програмна архітектура інформаційної системи нейромережевого аналізу постави людини(Хмельницький національний університет, 2025) Мазур, Євген; Мазурець, Олександр; Кліменко, Валерія; Собко, Олена; Залуцька, Ольга; Mazur, Yevhen; Mazurets, Oleksandr; Klimenko, Valeriia; Sobko, Olena; Zalutska, OlhaУ статті наведено огляд сучасного стану автоматизованого виявлення порушень постави людини за візуальними даними. Актуальність дослідження зумовлена стрімким зростанням кількості випадків викривлення хребта внаслідок малорухливого способу життя, тривалої роботи за комп’ютером та браку контролю за положенням тіла. Це зумовлює потребу у створенні інноваційних рішень, здатних забезпечити ранню діагностику постуральних розладів за допомогою методів комп’ютерного зору. Запропонований у дослідженні підхід базується на аналізі скелетної структури людини на основі зображень із подальшим застосуванням математично-алгоритмічного аналізу координат ключових точок хребта для виявлення типових порушень постави. Наведено прикладну реалізацію описаного математико-алгоритмічного забезпечення на основі спроектованої інформаційної системи. Прикладна програмна реалізація працює на основі нейромережевої моделі YOLO, що була донавчена на спеціалізованому датасеті. Навчання моделі тривало 25 епох і дозволило досягти точності виявлення ключових точок постави на фото понад 80%. Програмна реалізація використовувалась для валідації методу, де результати автоматизованого аналізу порівнювались із експертними оцінками, що підтвердило високу точність і чутливість підходу. Подальші дослідження планується зосередити на використанні глибоких нейронних мереж для розпізнавання постави в реальному часі на основі відеопотоку. Запропонована система має перспективу широкого впровадження в мобільні додатки та платформи комп’ютерного зору для масового користувача. Важливість розв'язання цієї проблеми не обмежується лише медичним аспектом. Виявлення та корекція порушень постави безпосередньо пов'язані з досягненням Цілей сталого розвитку (ЦСР), зокрема у контексті забезпечення загального доступу до якісного медичного обслуговування, підвищення фізичного благополуччя та впровадження інновацій у системи охорони здоров’я. Інтеграція подібних технологій підтримує як індивідуальний добробут, так і рівноправний доступ до медичних послуг для широких верств населення, що особливо актуально для країн з обмеженими ресурсами. Таким чином, розроблене рішення має потенціал зробити вагомий внесок у досягнення глобальних цілей сталого розвитку, включаючи зміцнення здоров’я націй, розвиток цифрової медицини та зменшення нерівності в доступі до інноваційних засобів діагностики.Документ Даталогічна модель бази даних для виявлення гендерної приналежності за SVM-аналізом дописів інтернет-мереж з використанням об'єктно-орієнтованого проєктування(Хмельницький національний університет, 2024) Мазурець, Олександр; Молчанова, Марина; Кліменко, Валерія; Собко, Олена; Супрун, Павло; Mazurets, Oleksandr; Molchanova, Maryna; Klimenko, Valeriia; Sobko, Olena; Suprun, PavloУ роботі запропоновано практичний підхід до виявлення гендерної приналежності за аналізом дописів інтернет-мереж із використанням SVM-класифікаторів. Для дослідження ефективності запропонованого методу було створено об’єктно-орієнтовану програмну реалізацію в середовищі програмування PyCharm, а також виконано даталогічне моделювання структури даних. Розроблений підхід показав високу ефективність, в порівнянні з існуючим аналогом його точність вища на 0.11. Перевагою методу є можливість працювати з короткими текстами, такими як твіти, без втрати точності. Одержані результати можуть бути актуальними для різноманітних застосувань, включаючи маркетингові дослідження, аналіз громадської думки, персоналізовану рекламу, політичні дослідження, й сприти створенню безпечних і толерантних вебсередовищДокумент Метод використання нейромережі гібридної архітектури для визначення емоційної тональності текстових повідомлень(Хмельницький національний університет, 2025) Юрченко, Дмитро; Овчарук , Олександр; Мазурець, Олександр; Шевчук, Павло; Yurchenko, Dmytro; Ovcharuk , Oleksandr; Mazurets, Oleksandr; Shevchuk, PavloУ статті розглянуто поточний стан наукового напряму визначення емоційної тональності та представлено метод використання нейромережі гібридної архітектури для визначення емоційної тональності текстових повідомлень. Метод використання нейромережі гібридної архітектури для визначення емоційної тональності текстових повідомлень призначений для автоматизованого перетворення вхідних даних у вигляді навченої нейромережевої модель гібридної архітектури з токенізатором та текстового повідомлення для аналізу у вихідні дані у вигляді класу приналежності за емоційною тональністю та її числової оцінки. Метод оснований на застосуванні гібридної нейромережевої архітектури що поєднує CNN та BiLSTM. Запропоноване поєднання сприяє ефективному виділенню локальних патернів, за рахунок властивостей CNN-шару, а також дозволяє враховувати довгострокові залежності у тексті, за рахунок властивостей BiLSTM. Нейромережева модель починається з шару Embedding, який перетворює текстові дані у числові вектори фіксованої довжини. Далі застосовується шар, який випадковим чином «відключає» 20% нейронів для зменшення ризику перенавчання. Потім іде шар, що застосовує згортки для виявлення локальних шаблонів у вхідних даних. Наступним є двонаправлений шар LSTM, здатний враховувати контекст з обох кінців послідовності, з механізмами випадкового відключення нейронів для покращення узагальнення. Після цього йде шар, який вибирає максимальні значення з усіх ознак для зменшення розмірності. Останнім етапом є щільний шар з одним нейроном і сигмоїдною активацією, який видає ймовірність належності тексту до класу з позитивною тональністю. Наведено експериментальне дослідження ефективності застосування методу використання нейромережі гібридної архітектури для визначення емоційної тональності текстових повідомлень за створеним програмним забезпеченням. Встановлено, що використання зазначеної гібридної архітектури дозволяє досягти точності 0.974, що є вищою від наразі відомих аналогів на понад 0.07 для метрики Accuracy.Документ Метод інтелектуального аналізу емоційної тональності текстової інформації для визначення поведінкових намірів нейромережевими засобами(Хмельницький національний університет, 2023) Залуцька, Ольга; Молчанова, Марина; Мазурець, Олександр; Мельник, Олег; Скрипник, Тетяна; Zalutska, Olha; Molchanova, Maryna; Mazurets, Oleksandr; Melnyk, Oleh; Skrypnyk, TetianaУ роботі за результатом аналізу сучасного стану проблеми інтелектуального аналізу емоційної тональності текстової інформації визначено, що є актуальним застосування нейронних мереж для аналізу емоційної тональності текстів, оскільки це забезпечує вищу точність класифікації, ніж альтернативні підходи. Було запропоновано для інтелектуального аналізу емоційної тональності текстової інформації використати нейромережу архітектури BERT як одну із найбільш точних, в той час як для аналізу коротких документів запропоновано використовувати її модифікацію, RoBERTa.Документ Нейромережевий метод діагностування психологічних розладів за аналізом повідомлень на основі роздільного підходу до класифікації(Хмельницький національний університет, 2025) Овчарук , Олександр; Мазурець, Олександр; Ovcharuk , Oleksandr; Mazurets, OleksandrУ статті розглядається використання нейромережевих методів для діагностування психологічних розладів через аналіз повідомлень у соціальних мережах. Дослідження показує, що застосування NLP-технологій та глибоких нейронних мереж для автоматизованої оцінки психоемоційного стану осіб здатне значно підвищити точність діагностики, а також забезпечити масштабованість та інноваційність у сфері охорони здоров'я. Використання таких технологій також відповідає глобальним цілям сталого розвитку, зокрема у покращенні психічного здоров'я, розвитку цифрової інфраструктури та зменшенні нерівності в доступі до медичних послуг. Запропонований метод заснований на роздільному підході до класифікації різних психологічних розладів, що підвищує точність та надійність діагностики. Кожен психологічний розлад аналізується окремо, що дозволяє уникнути взаємного впливу при класифікації. Процес діагностики включає три основні етапи: токенізацію текстів за допомогою відповідних токенізаторів, обробку токенів за допомогою нейромережевих моделей, які навчалися з нуля на спеціалізованих текстових наборах, та формування висновків щодо ймовірності наявності кожного з розладів. Для навчання моделей використовували два відкриті набори даних. Експериментальні результати показали високу ефективність запропонованої методики: значення точності (Accuracy) варіюються в межах 0.81–0.90, а показники Precision, Recall та F1-score досягають 0.91, що свідчить про високу точність класифікації та здатність до диференціації психологічних станів. Запропонований метод демонструє кращі результати порівняно з існуючими аналогами та має великий потенціал для використання в автоматизованому виявленні психічних розладів. Подальші дослідження можуть бути спрямовані на вдосконалення стійкості моделей до мовних варіацій та розширення діагностованих станів.Документ Програмна архітектура системи нейромережевого аналізу зображень для доклінічного виявлення аутизму з використанням claud-технологій(Хмельницький національний університет, 2026) Кліменко, Валерія; Мазурець, Олександр; Мізин, Джорджо; Молчанова, Марина; Klimenko, Valeriia; Mazurets, Oleksandr; Mizyn, Dzhordzho; Molchanova, MarynaУ статті розглянуто проблему доклінічного скринінгового виявлення ризику розладів аутистичного спектра та обґрунтовано потребу в об’єктивізованих, відтворюваних і масштабованих інструментах, здатних підтримати фахівця на етапі первинного скринінгу. Запропоновано програмну архітектуру системи нейромережевого аналізу зображень із використанням claud-технологій, що забезпечує керований життєвий цикл даних і моделей, версіонування, збереження артефактів, журналювання подій та контроль якості. Архітектура структурована на підсистеми даних і керування даними, конвеєр обробки і навчання, а також сервіси аналізу, доступ до яких здійснюється через API шлюз із аутентифікацією та контролем доступу. В основу запропонованої системи покладено нейромережевий підхід доклінічного виявлення ризику розладів аутистичного спектра, що реалізує три етапи: донавчання нейромережевої моделі на цільовому датасеті, класифікацію фото та генерацію пояснень, що включають візуальні карти значущості і семантичне текстове обґрунтування прийнятого рішення. Експериментальну перевірку виконано на моделі архітектури ViT. На прикладі роботи програмного забезпечення отримано узгоджений розподіл ймовірностей із оцінкою ризику РАС на рівні близько 0.724, а також пояснювальні виходи у вигляді ключових зон обличчя і морфометричних індикаторів. За результатами навчання показано, що найкращу сукупну якість досягнуто на 5 епосі, де Val loss становить 0.3506, Val acc 0.885, а MCC 0.771, тоді як подальше збільшення кількості епох призводить до зниження показників. Отримані результати підтверджують придатність запропонованої архітектури для скринінгових застосувань і визначають напрями подальшої валідації на незалежних, репрезентативних вибірках. Рішення орієнтоване на безпечну роботу з чутливими даними завдяки централізованому зберіганню, аудиту та можливості моніторингу змін у вхідних даних, що створює підґрунтя для регламентованого оновлення моделей у хмарному середовищі.Документ Програмна архітектура інтелектуальної об’єктно-орієнтованої системи фільтрації даних для нейромережевої класифікації побутових відходів з використанням хмарних технологій(Хмельницький національний університет, 2026) Держак, Владислав; Кліменко, Валерія; Молчанова, Марина; Собко, Олена; Мазурець, Олександр; Derzhak, Vladyslav; Klimenko, Valeriia; Molchanova, Maryna; Sobko, Olena; Mazurets, OleksandrУ роботі запропоновано програмну архітектуру інтелектуальної об’єктно-орієнтованої системи фільтрації даних для нейромережевої класифікації побутових відходів із використанням керованих хмарних обчислювальних вузлів. Актуальність зумовлена необхідністю стабільної роботи комп’ютерного зору в реалістичних сценах, де якість зображень, фонові завади, блиск і класовий дисбаланс істотно знижують надійність прийняття рішень. На відміну від підходів, у яких підготовка даних є разовим кроком перед навчанням, запропонована система інтегрує контроль якості безпосередньо в цикл навчання і інференсу. Модуль фільтрації відсіює малoінформативні зображення за показниками різкості, контрастності та експозиційної збалансованості з контролем збереження представлення класів; очищена вибірка використовується для донавчання базової архітектури. Реалізацію побудовано на MobileNetV3-Small з перенесенням ознак і заміною класифікаційної голови на 30 класів; виконання, журналювання артефактів і зберігання даних забезпечено на сесіях Google Colab із GPU та сховищем Google Drive/Kaggle, що гарантує відтворюваність і переносимість експериментів. Для користувацької взаємодії створено вебінтерфейс інференсу на Gradio, який надає завантаження зображення, вибір конфігурації моделі та перегляд метрик. Експериментальну оцінку проведено на наборі Recyclable and Household Waste Classification Dataset, який містить 15 тис. зображень розміру 256×256 у 30 категоріях з контрольованими та реальними сценами. Базова конфігурація на «сирій» вибірці демонструє узгоджені інтегральні показники, однак включення якісно орієнтованої фільтрації дало предметні покращення для чутливих класів: зокрема, для paper_cups істотно зросли точність і повнота, позитивні зрушення зафіксовано для steel_food_cans, clothing та magazines, тоді як для блискучих і малофактурних категорій переважно зменшено помилкові спрацьовування. Отримані результати підтверджують, що підвищення точності класифікації досягається передусім через оптимізацію вхідних даних і дисципліну експерименту в хмарному середовищі, без ускладнення архітектури моделі. Практична цінність полягає у створенні відтворюваного методичного ланцюга від керованої фільтрації до продуктивного застосування, придатного для впровадження на сортувальних лініях і в інфраструктурі циркулярної економікиДокумент Інформаційна технологія прогнозування рівня епідеміологічної небезпеки з використанням нейромережевого моделювання(Хмельницький національний університет, 2023) Овчарук, Олександр; Мазурець, Олександр; Собко, Олена; Молчанова, Марина; Кліменко, Валерія; Ovcharuk, Oleksandr; Mazurets, Oleksandr; Sobko, Olena; Molchanova, Maryna; Klimenko, ValeriiaСтаття присвячена розв’язанню задачі визначення рівня епідеміологічної небезпеки, для чого розроблено інформаційну технологію прогнозування рівня епідеміологічної небезпеки, метод прогнозування значень параметрів за їх часовими рядами рекурентною темпоральною нейронною мережею із згортковим шаром як складову інформаційної технології, та відповідну програмну систему.