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 реалізація методів багатовимірного аналізу ефективності та моніторингу для систем автоматизованого управління рекламними кампаніями(2025) Бойко, М. К.Об’єктом дослідження є процеси управління й моніторингу рекламних кампаній у соціальній мережі Facebook з використанням трекінгової системи Keitaro. Метою дослідження є підвищення ефективності управління рекламними кампаніями шляхом розроблення та впровадження методів багатовимірного аналізу та моніторингу, що дозволяють виявляти приховані закономірності у даних та оптимізувати стратегію розміщення реклами. Використано методи кластерного аналізу, головних компонент, класифікації й регресії для аналізу багатовимірних даних рекламних кампаній. Проаналізовано підходи до моніторингу ефективності цифрової реклами. Досліджено структуру даних трекінгової системи Keitaro та розроблено методику їх обробки для багатовимірного аналізу. Наукова новизна роботи полягає у комплексному підході до аналізу ефективності рекламних кампаній, що поєднує методи багатовимірного статистичного аналізу з урахуванням специфіки арбітражу трафіку в соціальних мережах. Рекомендації щодо використання результатів роботи: застосування розроблених методів фахівцями з digital-маркетингу. У результаті дослідження розроблено застосунок для збору і обробки даних для багатовимірного аналізу, визначення аудиторних сегментів й ефективних параметрів таргетингу.Тип документа:Публікація, Дослідження та розробка методів аналізу зображень для протидії спуфінгу у системах розпізнавання облич(2025) Богун, Р. С.Об’єктом дослідження є зображення людей та зображення які імітують людей. Метою дослідження є розробка та дослідження комплексної архітектури протидії спуфінгу, яка на основі ансамблевого навчання забезпечує високу ефективність виявлення атак. Використано методи аналізу зображень CNN, зважений завантажувач даних пакетів та зважену функцію втрат, та ансамблеву агрегацію. Проведено аналіз сучасних методів протидії спуфінгу та літературних джерел за темою. Сформовано та візуалізовано алгоритм методів блок-схемами. Наукова новизна роботи полягає у розробці та експериментальному обгрунтуванні комплексної методології навчання для подолання викликів FAS систем. Ця робота має взаємозв’язок з іншими роботами з методології PAD, слідуючи тренду аналізу текстур та посилює теоритичну базу обробки незбалансованих даних. Результати кваліфікаційної роботи, отримані в ході досліджень мають місце для подальшого розвитку точності для комфорту користувачів. У результаті дослідження розроблено CLI-застосунок для протидії спуфінгу, що надає можливість порівняльної оцінки ефективності трьох моделей та ансамблю за показчиком точності, матриці плутанини.Тип документа:Публікація, Дослідження методів покращення контекстної пам’яті чат-боту на основі великих мовних моделей(2025) Богдан, Н. І.Об’єктом дослідження є методи покращення контекстної пам’яті чат-боту на основі великих мовних моделей. Мета дослідження – порівняти методи покращення контекстної пам’яті чат-боту на основі великих мовних моделей задля вибору та обґрунтування найкращого з них. Використано методи Метод Sliding Window Context, Summarized (Episodic) Memory та RAG для реалізації чат-боту на основі великих мовних моделей. Проведено аналіз сучасних методів покращення контекстної пам’яті. Сформовано та візуалізовано алгоритми методів блок-схемами. Наукова новизна роботи полягає у розробленні гібридної методики покращення контекстної пам’яті, враховуючи сильні та слабкі сторони існуючих методів. Взаємозв’язок з іншими роботами полягає в удосконаленні контекстної пам’яті чат-боту для вирішення складних завдань, що вимагають багатоетапних міркувань або розрахунків. Рекомендації щодо використання результатів роботи сформовано за результатами тестування та наведено у висновках. У результаті дослідження розроблено застосунки чат-боту на основі великих мовних моделей з реалізацією методів покращення контекстної пам’яті. У результаті їх тестування отримано статистику точності відповідей відносно усіх підходів.Тип документа:Публікація, Дослідження та впровадження рішень з енергозбереження для забезпечення зеленого переходу в Україні(2025) Бобейко, К. С.Об’єктом дослідження є процеси моніторингу та оптимізації енергоспоживання в житлі за допомогою IoT. Предметом дослідження виступають методи, алгоритми та програмно апаратні комплекси для ефективного управління енергоспоживанням у житлі на основі даних IoT-телеметрії. Метою дослідження є розробка комплексного методу аналізу й оптимізації енергоспоживання на базі IoT для підвищення енергоефективності житлового сектору України. Наукова новизна роботи полягає у розробці адаптивний алгоритм керування енергоспоживанням і захистом даних, що інтегрує IoT-компоненти та враховує специфіку українських мереж. Взаємозв’язок з міжнародним науковим проєктом INITIATE (грант No. 101136775-HORIZON-WIDERA-2023-ACCESS-03) програми Horizon Europe. Проєкт «INITIATE» («Підтримка європейської дослідницько-інноваційної діяльності через співпрацю стейкхолдерів та інституційну реформу») націлений на сприяння зеленому та цифровому переходу в Європі та Україні, що безпосередньо стосується підвищення енергоефективності. У результаті дослідження розроблено архітектуру програмно-апаратного комплексу, алгоритми аналізу даних, ПЗ з візуалізацією та методичні вказівки щодо впровадження систем енергозбереження.Тип документа:Публікація, Дослідження та виявлення недостовірних вакансій за допомогою методів машинного навчання(2025) Білоцерківська, В. А.Об’єктом дослідження є процес аналізу текстів вакансій з метою виявлення недостовірних або шахрайських оголошень. Предметом дослідження є методи машинного навчання та обробки природної мови, що використовуються для класифікації вакансій за рівнем достовірності. Метою дослідження є створення вебсервісу, який дозволяє автоматично оцінювати підозрілість вакансії за її текстом, використовуючи сучасні алгоритми машинного навчання. Використано методи машинного навчання, методи обробки природної мови та статистичного аналізу даних. Наукова новизна роботи полягає у створенні комплексного вебсервісу, який поєднує модель машинного навчання для аналізу вакансій у реальному часі. Взаємозв’язок з іншими роботами полягає у використанні сучасних підходів з кібербезпеки та NLP для протидії шахрайству в цифровому середовищі.