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.
Останні подання
Тип документа:Публікація, Дослідження та впровадження моделі логістичної регресії для прогнозування фінансової поведінки клієнтів у вебзастосунку «Банківський асистент»(2025) Гриб, А. С.Метою роботи є розробка та впровадження веб-застосунку «Банківський асистент» з інтегрованою моделлю логістичної регресії для прогнозування фінансової поведінки клієнтів банку (ймовірності дефолту позичальників). Для досягнення мети у роботі вирішуються наступні основні задачі: аналіз предметної області та існуючих підходів до кредитного скорингу; дослідження математичних основ логістичної регресії та альтернативних моделей класифікації; проєктування архітектури програмної системи та бази даних; реалізація клієнт-серверного; навчання і тестування моделі на наборі даних; оцінка якості моделі за допомогою метрик точності, матриці невідповідностей, ROC-кривої та AUC. Методи дослідження: системний аналіз предметної області; методи статистичного аналізу і машинного навчання (логістична регресія, аналіз точності класифікації); об’єктно-орієнтоване проєктування програмного забезпечення; моделювання та методи оцінювання якості прогнозних моделей. Результатом роботи є програмна система – веб-застосунок «Банківський асистент», що дозволяє автоматично оцінювати кредитоспроможність клієнтів на основі введених даних про них, використовуючи модель логістичної регресії. Практичне значення одержаних результатів полягає в підвищенні ефективності управління кредитними ризиками за рахунок автоматизації процесу скорингу. Розроблений застосунок може бути інтегрований у реальні бізнес-процеси банківських установ для підтримки прийняття рішень щодо видачі кредитів. Використання моделі логістичної регресії забезпечує інтерпретованість результатів та відповідність регуляторним вимогам. Наукова новизна роботи полягає у вдосконаленні методики оцінювання кредитоспроможності шляхом поєднання класичного статистичного підходу (логістичної регресії) з сучасними практиками розробки веб-застосунків, розширенні набору критеріїв оцінки якості моделей (ROC, AUC та ін.), а також проведенні порівняльного аналізу з альтернативними моделями класифікації.Тип документа:Публікація, Дослідження методів вирішення проблеми холодного старту у рекомендаційних системах(2025) Голік, М. В.Об’єкт дослідження – процес формування рекомендацій у інформаційних системах за умов обмеженої або відсутньої історії взаємодій користувачів із об’єктами у сфері готельних сервісів. Предмет дослідження – методи, моделі та стратегії вирішення проблеми холодного старту для користувачів, об’єктів та системи в цілому, що базуються на аналізі структурованих та неструктурованих даних, контекстних факторів та зовнішніх джерел інформації. Мета дослідження – підвищення якості рекомендацій у рекомендаційній системі готелів за наявності проблеми холодного старту шляхом розроблення та дослідження удосконаленої гібридної моделі. Методи дослідження – аналіз літературних джерел, системний підхід до побудови інформаційної технології рекомендацій, аналіз рекомендаційних методів, моделювання часткових компонент гібридної системи та їх вагове агрегування, експериментальне оцінювання якості ранжування за метриками. Основні результати дослідження – систематизовано сценарії проблеми холодного старту у рекомендаційних системах. Запропоновано удосконалену гібридну модель, що поєднує контентну, демографічну, контекстну, популярнісну та embedding-компоненти, а також механізм адаптації внеску компонент залежно від сценарію браку даних. Реалізовано інформаційну технологію та проведено експериментальні дослідження у сценаріях нового користувача, нового готелю та нової системи.Тип документа:Публікація, Розробка та дослідження програмного забезпечення GEO OSINT(2025) Герасименко, Р. Ю.Мета роботи – розробити та дослідити програмне забезпечення GEO OSINT, а також реалізувати практичний модуль автоматизованої обробки та керування медіаданими на прикладі багатокомпонентної системи комп’ютерного бачення Amanita, використовуючи сучасні підходи DevOps, інфраструктури як коду, віртуалізації та контейнеризації. Для досягнення мети в роботі проаналізовано існуючі підходи до автоматизації розподілених систем; визначенні вимоги до архітектури Amanita як системи комп’ютерного бачення; реалізовані засоби збирання, конфігурування та інсталяції модулів; забезпечена підтримка віртуального тестування та ведення системних журналів; перевірені ефективність ручного й автоматизованого розгортання. У роботі використано DevOps-підходи, технології інфраструктури як коду, віртуалізацію (Vagrant), контейнеризацію (Docker) та системи керування версіями.Тип документа:Публікація, Автоматизований аналіз та класифікація біологічних ознак рослин з застосуванням нейронних мереж(2025) Дідусь, О. П.Об’єкт дослідження — методи та інструменти комп’ютерного бачення для автоматизованої класифікації біологічних ознак рослин за зображеннями листя та інтеграція моделі в прикладний програмний інтерфейс (локальний/веб-демо). Предмет дослідження — архітектурні особливості глибоких нейронних мереж для мультилейблової класифікації біологічних ознак рослин, включно з багатоголовими (multi-head) схемами та процедурами підвищення надійності (OOD-виявлення, hard negative mining, супер-роздільність), а також можливість їх інтеграції з таксономічно-регуляризованим тонким налаштуванням (fine-tuning) Мета роботи — розробити та експериментально дослідити ефективність багатоголової архітектури (Multi-Head Fine-Tuning, MHFT) для задачі мультилейблової класифікації хвороб рослин (на прикладі FGVC8 Plant Pathology 2021), порівнявши її з простим базовим перенавчанням на одному головному класифікаторі (vanilla fine-tuning), а також оцінити внесок супутніх модулів (OOD виявлення, hard negative mining, супер-роздільність деталей листя).Тип документа:Публікація, Дослідження і розробка системи пошуку даних клінічних випробувань з використанням відкритих API(2025) Чергинська, М. Д.Об’єктом дослідження є процес пошуку та аналізу даних клінічних випробувань у відкритих медичних інформаційних системах. Предметом дослідження є методи та програмні засоби трансформації природномовних запитів у структуровані параметри пошуку клінічних досліджень із використанням великих мовних моделей. Метою роботи є розробка та дослідження інтелектуальної системи пошуку клінічних випробувань на основі великих мовних моделей із параметрично ефективним донавчанням, а також оцінювання ефективності різних архітектур і методів PEFT для задачі перетворення природномовних медичних запитів. Методами дослідження є: системний аналіз, методи обробки природної мови, машинне навчання, параметрично ефективне донавчання великих мовних моделей, експериментальне порівняльне оцінювання, а також методи проєктування веборієнтованих інформаційних систем. Магістерська робота містить аналіз предметної області пошуку клінічних досліджень, огляд сучасних мовних моделей і методів їх адаптації, розробку архітектури системи пошуку клінічних випробувань, реалізацію модуля обробки природномовних запитів та вебінтерфейсу користувача, а також експериментальне порівняння моделей Llama-3-8B, Gemma-3-27B та Qwen-3-4B у поєднанні з методами LoRA, QLoRA, DoRA та AdaLoRA.