ElAr KhNURE:: Головна

ISSN: 2310-8061

Репозиторій Харківського національного університету радіоелектроніки «ElAr КhNURE» є електронною платформою, що містить публікації наукових праць та досліджень науково-педагогічних працівників, інших співробітників, здобувачів вищої освіти ХНУРЕ. Серед них монографії, статті з наукових журналів та збірників, матеріали науково-практичних заходів, наукові публікації (розміщуються за умови наявності рецензії наукового керівника) та кваліфікаційні роботи здобувачів вищої освіти (розміщуються за дозволом автора КвР).

З усіх питань звертатися до адміністратора ElAr KhNURE за адресою: yuliia.derevianko@nure.ua

Фонди в ElAr

Виберіть фонд для перегляду його колекцій.

Зараз показано 1 - 13 з 13

Останні подання

Дослідження методів аналізу даних вебсайтів (на прикладі сайту по продажу відеоігор)
(2025) Терещенко, О. О.
Об’єктом дослідження є процес аналізу користувацьких даних сайтів. Предметом дослідження є методи персоналізації та виявлення фальсифікованих рейтингів і відгуків у системах оцінювання ігор. Метою дослідження є створення комплексного методу аналізу даних вебмагазину, який забезпечує автоматичну перевірку достовірності оцінок, формування персональних рекомендацій і підвищення точності аналітики користувацької поведінки. У процесі роботи використано методи колаборативної фільтрації, прогнозування часових рядів та виявлення аномалій. Наукова новизна роботи полягає у комплексному підході до аналізу даних вебмагазину комп’ютерних ігор, який поєднує персоналізацію рекомендацій. Взаємозв’язок з іншими роботами полягає у використані результатів попередніх досліджень у машинному навчанні, інтелектуальному аналізі даних та розробці систем підтримки рішень для електронної комерції. Рекомендації щодо використання результатів роботи є впровадження підходів аналізу даних у вебмагазини для поліпшення досвіду користувачів. У результаті дослідження розроблено сервіс для персоналізації та прогнозування вподобань покупців.
Дослідження та реалізація методу розпізнавання зображень для діагностики захворювань рослин
(2025) Свістельник, Д. О.
Об’єктом дослідження є цифрові зображення листя рослин з різними типами захворювань та здорових рослин. Предмет дослідження – методи глибокого навчання для автоматичної діагностики та класифікації захворювань рослин за зображеннями. Метою дослідження є розробка ефективного методу розпізнавання зображень для автоматичної діагностики захворювань рослин шляхом створення програмного забезпечення на основі згорткових нейронних мереж з високою точністю класифікації. Використано методи глибокого навчання, зокрема згорткову нейронну мережу на основі MobileNetV2. Наукова новизна роботи полягає у розробці оптимізованої архітектури згорткової нейронної мережі для класифікації захворювань рослин із застосуванням комплексу сучасних технік регуляризації для забезпечення високої здатності моделі до генералізації та запобігання перенавчанню. Дослідження базується на фундаментальних роботах у галузі глибокого навчання та їх адаптації до задач аграрного сектору. Розроблене програмне забезпечення рекомендується для впровадження у практику аграрних підприємств, фермерських господарств та консультаційних центрів як інструмент швидкої діагностики захворювань рослин.
Метод передбачення змін у кількості прослуховувань артистів на основі дослідження їх останніх дій
(2025) Суровикін, Ю. В.
Об’єктом дослідження є динаміка змін кількості прослуховувань музичних виконавців на онлайн-платформах. Предметом дослідження є методи прогнозування змін популярності артистів на основі аналізу їхніх музичних дій та жанрових переходів. Метою дослідження є створення методу передбачення змін у кількості прослуховувань артистів із використанням історичних даних про їх релізи та поведінку слухачів. Використано методи лінійної регресії, ковзного середнього та побудову матриці схожості жанрів. Алгоритм аналізує історичну активність виконавця, стабільність його жанрового напрямку та зміни у творчості. Наукова новизна роботи полягає у поєднанні методів прогнозування часових рядів із жанровим аналізом, що дозволяє підвищити точність передбачення змін у популярності виконавців. Взаємозв’язок з іншими роботами полягає у використанні принципів регресійного аналізу та статистичних методів обробки часових даних, адаптованих до задач музичної аналітики. Рекомендації щодо використання результатів роботи стосуються впровадження методу в аналітичні системи музичних платформ для прогнозування популярності артистів. У результаті дослідження розроблено сервіс прогнозування змін кількості прослуховувань артистів на основі аналізу їхніх останніх дій та змін.
Дослідження великих мовних моделей для аналізу та генерації художніх текстів
(2025) Супрун, А. Є.
Об’єктом дослідження є великі мовні моделі. Метою дослідження є порівняння великих мовних моделей у завданнях аналізу і генерації художніх 7текстів шляхом розробки застосунку, що оцінює результати роботи моделей за системою експертних і автоматичних метрик та реалізує комбінований метод взаємодії кращих з них для поліпшення якості. Використано моделі GPT-4o, Claude 3 та Gemini 2.5 Pro для аналізу й генерації художніх текстів. Проведено експерименти із трьома сценаріями, у яких порівнювалися результати аналітичного розбору та генерації текстів. Результати візуалізовано у вигляді таблиць і графіків. Наукова новизна роботи полягає у створенні комбінованого методу використання великих мовних моделей, у якому розділено функції аналізу та генерації між двома різними моделями. Такий підхід підвищує смислову глибину, послідовність і художню виразність текстів. Взаємозв’язок з іншими роботами полягає у використанні сучасних підходів до оцінки якості роботи LLM, а також у продовженні досліджень у галузі інтелектуальної творчості та автоматизованої літературної генерації. Рекомендації щодо використання результатів роботи: використання комбінованого методу для створення інструментів для письменників. У результаті дослідження розроблено застосунок для оцінки якості роботи великих мовних моделей у завданнях аналізу й генерації текстів.
Дослідження та використання Big Data для прогнозування результатів спортивних подій на основі історичних статистичних даних
(2025) Середа, І. А.
Об’єктом дослідження є процес аналітичного прогнозування результатів спортивних подій на основі великих даних. Предметом дослідження є методи та алгоритми машинного навчання для оцінювання ймовірностей спортивних результатів у динаміці матчу. Метою дослідження є розроблення інтерактивної системи аналізу великих даних для прогнозування результатів спортивних матчів з використанням алгоритмів машинного навчання. Використано методи логістичної регресії, випадкового лісу, градієнтного підсилення, пуассонівської моделі та моделі ризиків. Наукова новизна роботи полягає у створенні інтегрованої системи, яка поєднує машинне навчання та аналітичні методи у єдиному середовищі великих даних для прогнозування спортивних результатів. Взаємозв’язок з іншими роботами результати можуть бути використані в системах аналітики спортивних ставок. Рекомендацією щодо використання результатів роботи є програмний комплекс придатний для розширення та підключення до спортивних баз даних. У результаті дослідження розроблено веб-сайт з двошаровою архітектурою, реалізовано набір моделей машинного навчання, інтегровано інтерфейс для динамічного прогнозування та візуалізації результатів спортивних матчів у режимі реального часу.