Вимірювальна та обчислювальна техніка в технологічних процесах

Постійне посилання на фонд

https://elar.khmnu.edu.ua/handle/123456789/7609

Переглянути

Зараз показуємо 1 - 8 з 8

Автоматизоване виявлення та класифікація неоднозначностей у вимогах до програмного забезпечення ІТ-проєктів з використанням великих мовних моделей та RAG-технологій
(Хмельницький національний університет, 2026) Вонсович, Богдан; Багрій, Руслан; Скрипник, Тетяна; Пасічник, Олександр; Vonsovych, Bohdan; Bahrii, Ruslan; Skrypnyk, Tetiana; Pasichnyk, Oleksandr
Проблема забезпечення якості вимог на ранніх етапах життєвого циклу розробки набуває критичного значення для успіху програмних проєктів, адже наявність лінгвістичних та семантичних неоднозначностей у специфікаціях є однією з головних причин виникнення дефектів, перевитрат бюджету та зривів термінів реалізації. Ручне рецензування документації є надмірно трудомістким та суб’єктивним процесом, а традиційні автоматизовані інструменти на основі правил часто генерують високий рівень хибних спрацювань через нездатність розуміти контекст. Використання великих мовних моделей відкриває нові можливості для семантичного аналізу тексту, проте їх пряме застосування ускладнюється схильністю до галюцинацій та ігноруванням специфічної термінології проєкту. У статті запропоновано гібридний метод виявлення неоднозначностей у вимогах до програмного забезпечення, що базується на інтеграції великих мовних моделей із технологією пошукового доповнення генерації (RAG). Запропонований підхід ґрунтується на двоагентній архітектурі, яка передбачає послідовну взаємодію агента-ідентифікатора для первинної фільтрації вимог та агента-класифікатора для їх глибокої семантичної типізації згідно зі стандартом IEEE 830. Метод охоплює такі етапи, як сегментація тексту, динамічне збагачення запитів контекстом із бази знань проєкту, застосування стратегії ланцюжка міркувань для генерації пояснень та структурний парсинг результатів. Експерименти проведено на спеціалізованому датасеті з домену телекомунікацій, що містить 1983 вимоги. Отримані результати засвідчили перевагу розробленого гібридного методу на базі моделі Flan-T5-Large над базовими підходами (ZeroShot та Few-Shot): метод забезпечує Precision 87%, повноту Recall 91% та F1-score 89%. Додатково підтверджено ефективність використання RAG для зниження кількості хибних спрацювань на вузькоспеціалізованій технічній лексиці та продемонстровано здатність системи надавати інтерпретовані пояснення виявлених дефектів. Результати доводять, що інтеграція контекстноорієнтованих LLM-агентів істотно підвищує рівень автоматизації та надійності процесу аудиту вимог у сучасних середовищах розробки
Виявлення та класифікація кіберзалякувань у цифрових текстах засобами штучного інтелекту
(Хмельницький національний університет, 2024) Собко, О.; Sobko, O.
У статті запропоновано комплексний підхід до виявлення та класифікації кіберзалякувань у цифрових текстах за допомогою штучного інтелекту. Підхід складається з трьох етапів: оцінювання та коригування репрезентативності датасету з урахуванням етичних критеріїв, нейромережевого виявлення та класифікації кіберзалякувань за різними типами (віковими, релігійними, етнічними, гендерними тощо), а також візуальної інтерпретації результатів моделі. Підхід дозволяє забезпечити неупередженість та відповідність етичним вимогам, а також надає пояснення рішень моделі щодо кожного виявленого типу кіберзалякування, що підвищує прозорість і довіру до систем штучного інтелекту. Результати дослідження підтверджують ефективність підходу, зокрема точність не нижче 94% для моделей BiLSTM і BERT для виявлення та класифікації кіберзалякувань, а також успішну адаптацію текстових датасетів до репрезентативних розподілів.
Комплексні підходи до забезпечення конфіденційності та стійкості Android-пристроїв у сучасних умовах кіберзагроз
(Хмельницький національний університет, 2026) Бербец, Денис; Петляк, Наталія; Мостовий, Сергій; Berbets, Denys; Petliak, Nataliia; Mostovyi, Serhii
У статті досліджується сучасний стан екосистеми мобільної операційної системи Android з акцентом на проблеми кібербезпеки, основні загрози та методи протидії їм. Розглянуто фрагментацію версій Android, яка ускладнює розробку сумісних додатків і підвищує ризики безпеки через наявність невиправлених вразливостей у застарілих версіях. Проаналізовано загрози, пов’язані зі сторонніми додатками та бібліотеками збору даних, а також обмеження системи Google Play у запобіганні поширенню шкідливого програмного забезпечення. Окрему увагу приділено ризикам динамічного завантаження коду та атакам через сенсори мобільних пристроїв, що дають змогу отримувати конфіденційну інформацію або здійснювати несанкціоноване керування. Наведено класифікацію кіберзагроз Android-пристроїв, зокрема масових загроз (adware, ransomware, Mobile Unwanted Software) і цілеспрямованих атак класу APT, таких як Pegasus, SunBird, Gooligan і Dark Caracal. Виділено побічні атаки, що базуються на аналізі фізичних характеристик пристрою (енергоспоживання, електромагнітне випромінювання, акустичні сигнали, дані сенсорів) і здатні забезпечувати приховане вилучення чутливих даних. Також проаналізовано внутрішні кібератаки, спрямовані на експлуатацію вразливостей операційної системи, міжзастосункової взаємодії та апаратного забезпечення, зокрема обходу Android Keystore і зловживання дозволами. Підкреслено проблему поширення шкідливого ПЗ через Google Play із використанням обфускації, інкрементних оновлень і динамічного коду, а також роль соціальної інженерії та відкладеної активації шкідливих функцій, що ускладнює їх своєчасне виявлення.
Критерії та оцінки ефективності застосування когнітрону і двошарового персептрону з нелінійними функціями активації для розв’язання задачі розпізнавання 2d об’єктів з великою кількістю бінарних ознак
(Хмельницький національний університет, 2014) Молчанова, М.О.; Molchanova, M.O.
Досліджується розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Ставиться задача сформулювати критерії ефективності та застосувати їх для визначення оптимального класифікатора у вирішенні задачі розпізнавання 2D об’єктів з великою кількістю бінарних ознак. Для цього виконується порівняльний аналіз двох альтернативних нейронних мереж – двошарового персептрону та когнітрону. На основі виконаного порівняльного аналізу формулюються наступні критерії: час навчання нейронної мережі; відсоток коректного розпізнавання "чистих" образів; відсоток коректного розпізнавання “зашумлених" образів; відсоток коректного розпізнавання зображень з поворотом. Застосувавши цей набір критеріїв, персептрон виявився оптимальним класифікатором за трьома критеріями, окрім критерію “час навчання нейронної мережі” за умов його навчання на репрезентативній вибірці генеральної сукупності.
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, Pavlo
У 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.
Нейромережеве виявлення і класифікація прийомів та об’єктів пропаганди у текстовому контенті
(Хмельницький національний університет, 2024) Молчанова, М.; Molchanova, M.
Запропоновано підхід до нейромережевого виявлення і класифікації прийомів та об’єктів пропаганди у текстовому контенті, що складається з трьох послідовних етапів та забезпечує ефективне виявлення наявності пропаганди, класифікацію використаних технік пропаганди, та встановлення об’єктів виявленого пропагандистського впливу. Етап класифікації текстів за вмістом пропаганди нейромережевими моделями глибокого навчання дозволяє виявляти як явні, так і приховані пропагандистські меседжі, що забезпечує більш глибоке розуміння послідовності та контексту в текстовому контенті та дозволяє досягнути точності 97.83%. Етап виявлення прийомів пропаганди за маркерами із візуальною інтерпретацією прийнятих рішень дозволяє перетворювати вхідні дані у вигляді тексту для аналізу та навчених окремим технікам 17 моделей машинного навчання у вихідні дані, які містять числові оцінки наявності кожної з технік пропаганди із візуальною аналітикою присутності детектованих маркерів пропаганди, що забезпечує виявлення різних пропагандистських технік з мінімальною точністю 82,03%. Етап виявлення об’єктів пропаганди нейромережевими моделями глибокого навчання з візуальною інтерпретацією прийнятих рішень характеризується розширенням множини об’єктів пропаганди за рахунок додавання варіантів їх словесних подань і використанням контекстних вікон для виявлення взаємозв’язків між використаними прийомами та об’єктами пропаганди, що дало можливість виявлення об’єктів пропаганди та візуально їх інтерпретувати. Для візуальної інтерпретації одержаних результатів, формується візуальна аналітика щодо знайдених технік та об’єктів пропаганди, що дозволяє візуально спостерігати об’єкти впливу в рамках використовуваних технік пропаганди. Внаслідок розробки підходу, вирішено ряд проблем в напрямку автоматизації виявлення пропаганди, таких як відсутність комплексного аналізу взаємозв’язків прийомів і об’єктів пропаганди в текстах, та відсутність узагальнень для об’єктів пропаганди і їх альтернативних згадок у текстах
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, Oleksandr
У 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.
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, Oleksandr
У 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 економіки

Переглянути

Перегляд Вимірювальна та обчислювальна техніка в технологічних процесах за Ключові слова "004.8"

Результатів на сторінці

Налаштування сортування