3. Наукові журнали та збірники ХНУ
Постійне посилання на фонд
Переглянути
Перегляд 3. Наукові журнали та збірники ХНУ за Ключові слова "004.05"
Зараз показуємо 1 - 4 з 4
Результатів на сторінці
Налаштування сортування
Документ Згорткова нейронна мережа з проективно-iнварiантним пулiнгом(Хмельницький національний університет, 2025) Бедратюк, Ганна; Bedratyuk, AnnaВ статті розглядається проблема класифікації зображень, до яких застосовані проективні перетворення, та пропонується архітектура згорткової нейронної мережі (CNN), що включає проективно-інваріантний пулінговий шар. На відміну від класичних афінних перетворень, для яких існують відомі еквіваріантні перетворення (контрольовані згорткові нейронні мережі, гармонійні H-Nets тощо), задача знаходження проективної еквіваріантності залишається відкритою. В статті зроблено крок у напрямку розв’язання цієї проблеми і запропоновано реалізацію проективно-інваріантного пулінгу. Порівняно із звичайною CNN, ми демонструємо, що додавання такого пулінгу покращує робастність нашої мережі до проективних викривлень. Експерименти проводяться на наборах зображень proMNIST і rotoMNIST, згенерованих із стандартного набору MNIST відповідними перетвореннями.Документ Метод автоматизованого створення тестових сценаріїв за допомогою chatgpt(Хмельницький національний університет, 2024) Бедратюк, Г.; Bedratyuk, A.Автоматизація тестування є критичним аспектом розробки програмного забезпечення, що забезпечує високу якість продукту та скорочення часу на розробку. Використання штучного інтелекту, зокрема моделей на основі обробки природної мови, таких як ChatGPT, відкриває нові можливості для автоматизації процесу створення тестових сценаріїв, що дозволяє підвищити ефективність і точність тестування. Метою статті є розробка і оцінка методу автоматизованого створення тестових сценаріїв за допомогою ChatGPT та демонстрація того , як інтеграція ChatGPT може покращити процес генерації тестів, зменшуючи час і зусилля, необхідні для їх розробки. Методологія дослідження включає розробку алгоритмів для автоматизації генерації тестових сценаріїв за допомогою ChatGPT, а також адаптацію моделей для специфічних вимог тестування. Показано, що використання ChatGPT для автоматизованого створення тестових сценаріїв значно покращує якість тестування, забезпечуючи більш високе покриття тестами та виявлення помилок. Також має місце скорочення часу, необхідного для створення тестів, що сприяє загальному прискоренню циклу розробки програмного забезпечення.Документ Метод машинного навчання в управлінні програмними проектами(Хмельницький національний університет, 2024) Бедратюк, Г.; Bedratyuk, A.У статті досліджуються впровадження машинного навчання та штучного інтелекту (ШІ) в управління програмними проектами, демонструючи, як ці технології можуть суттєво підвищити ефективність і точність управлінських процесів. Основна увага приділяється використанню машинного навчання для автоматизації планування, прогнозування витрат, оптимізації розподілу ресурсів та управління ризиками. Описано, як моделі машинного навчання, такі як мовні моделі та метаевристичні алгоритми, сприяють прийняттю рішень у реальному часі, зменшують ризики перевитрат і підвищують продуктивність команд. Кейс-стадії демонструють економічні переваги впровадження ШІ. У статті також розглядаються виклики, пов'язані з інтеграцією машинного навчання в існуючі системи управління, а також перспективи його подальшого розвитку в контексті інноваційних технологійДокумент Нейромережний метод оцінки складності програмних систем(Хмельницький національний університет, 2012) Поморова, О.В.; Лисак, О.С.У статті проведено аналіз методів оцінки складності систем. Представлено метод оцінки складності програмних систем з використанням штучної нейронної мережі. Описано процес формування навчальної вибірки, навчання та функціонування штучної нейронної мережі.