Перегляд за Автор "Molchanova, Maryna"
Зараз показуємо 1 - 7 з 7
Результатів на сторінці
Налаштування сортування
Документ Artificial intelligence approach to identifying propaganda techniques and objects, taking into account ethical and legal aspects(Хмельницький національний університет, 2025) Molchanova, Maryna; Dutt, Pawan KumarThe article explores the ethical and legal aspects of applying artificial intelligence (AI) technologies to detect propaganda techniques in textual content. The study presents a multi-level approach to identifying signs of propaganda in textual data, recognizing common rhetorical strategies of influence, and establishing semantic links between the detected techniques and their respective targets. The consistent use of neural network models is justified, as it ensures both classification accuracy and transparency of the obtained results through the application of local interpretability methods. The paper presents experimental results based on a corpus of Ukrainian-language news texts and informational messages from social media platforms. The proposed approach demonstrated alignment between the model's predictions and independent expert assessments, confirming its potential applicability in conditions with limited human oversight. Special attention is given to the compliance of the proposed system with existing regulatory frameworks, including constraints on automated decision-making, the user's right to explanation, and the prevention of discriminatory effects resulting from biased training data. The study addresses risks associated with misclassification, potential impacts on freedom of expression, and the accountability of developers in cases where the system is applied in automated content moderation scenarios. The integration of interpretability tools into neural network analysis is proposed as a core design principle to ensure adherence to ethical AI standards. Based on the obtained findings, the study concludes that the development of such systems requires the simultaneous consideration of technical effectiveness, legal compliance, and social responsibility, which are essential conditions for their safe implementation in the practice of analyzing public communications.Документ 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 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 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 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.