Вісник ХНУ. Технічні науки - 2026 рік
Постійне посилання зібрання
Переглянути
Перегляд Вісник ХНУ. Технічні науки - 2026 рік за Ключові слова "004.8"
Зараз показуємо 1 - 4 з 4
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 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 Виявлення цифрової втоми та вигорання у текстовому контенті засобами штучного інтелекту(Хмельницький національний університет, 2026) Віт, Роман; Vit, RomanСтаття присвячена розробленню підходу до автоматизованого виявлення цифрової втоми та цифрового виснаження у текстовому контенті засобами штучного інтелекту. Актуальність зумовлена зростанням обсягів цифрової комунікації у навчанні й професійній діяльності та потребою у масштабованих, відтворюваних і інтерпретованих методах моніторингу психоемоційних станів без залучення сенсорних даних і без втручання у робочі процеси користувача. Запропонований підхід реалізовано як послідовність трьох методів. На першому етапі цифровий профіль автора сегментується на комунікативні сегменти на основі семантичних векторних представлень текстів із подальшою кластеризацією та інтерпретованим іменуванням сегментів. На другому етапі для кожного сегмента виконується нейромережеве оцінювання проявів цифрової втоми трансформерними моделями, а сегментні показники формуються шляхом узагальнення прогнозів для повідомлень у межах сегмента. Проведено порівняння декількох архітектур, що демонструє різні компроміси між точністю та повнотою виявлення; найбільш збалансовані результати за F1 отримано для mental/mental-roberta-base та microsoft/deberta-v3-base. На третьому етапі визначається профільний індикатор цифрового виснаження як середньозважена агрегація сегментних показників із врахуванням значущості сегментів у профілі, а інтерпретація результатів підсилюється виділенням ключових тем і іменованих сутностей у кожному сегменті. Вихід підходу подано у вигляді карти цифрової втоми за сегментами та інтегральної оцінки цифрового виснаження за профілем автора. Практична цінність полягає у можливості застосування підходу для превентивної аналітики ризиків у системах електронного навчання, дистанційної роботи та організаційних комунікацій за умови дотримання етичних і приватнісних вимог. Результати сегментного аналізу можуть використовуватися для раннього виявлення проблемних тематичних зон комунікації, що потребують оптимізації навантаження, зміни регламентів взаємодії або підтримувальних інтервенцій. Інтегральний показник цифрового виснаження забезпечує основу для порівняння динаміки стану автора у часі та оцінювання ефективності впроваджених організаційних заходів, не порушуючи цілісності робочих процесівДокумент 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.