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

Аналіз методологічних підходів прогнозування вірусності контенту за допомогою BIG DATA
(ХНУРЕ, 2026) Калініна, О. І.; Сиромятникова, Д. О.; Супрун, О.О.
A comprehensive analysis of scientific research on predicting the virality of online content using big data analysis methods has been conducted in the article. The evolution of methodological approaches is examined: from classical time series-based models to modern deep learning architectures, including graph neural networks, transformers, and multimodal models. Special attention is paid to comparative analysis of methods, problems of early prediction, cross-platform content dissemination, model interpretability, and overcoming prediction drift.
Застосування інструментів AI у створенні та обробці мультимедійного контенту
(ХНУРЕ, 2026) Карпенко, М. В.; Кулішова, Н. Є.
The abstracts consider the possibilities of using the Grok generative neural network for creating multimedia content. Its functional characteristics are analyzed, in particular, the ability to generate short video fragments based on a text query and automatically apply visual effects. The example of creating a six -second animation demonstrates the speed of data processing and t he practical feasibility of using the tool in the educational and media spheres. The prospects for integrating such AI solutions into the processes of digital content creation are outlined.
Імерсивний дизайн як новий напрям цифрових медіа
(ХНУРЕ, 2026) Коротаєва, С. С.; Супрун О. О.
The rapid development of digital technologies has led to the emergence of immersive design as a new paradigm in digital media. Immersive design focuses on creating interactive environments that enhance user engagement by integrating virtual, augmented, and mixed reality technologies. This study examines the theoretical foundations, technological components, design principles, and practical applications of immersive design in digital media. The research also analyzes the impact of immersive technologies on media communication, branding, education, and digital content creation. Furthermore, the challenges and future prospects of immersive design are explored, including integration with artificial intelligence and real-time rendering technologies.
Прикладне використання методу відновлення критичних сервісів інформаційної системи на мобільній платформі за керованого зниження її функціональності
(КПІ ім. Ігоря Сікорського, 2026) Ткачов, В. М.
Анотація. У тезах розглянуто застосування методу відновлення критичних сервісів інформаційної системи на мобільній платформі на прикладі бортової інформаційної системи групи дронів за переривчастої зв’язності та керованого зниження функціональності. Показано, що відбір кроків відновлення, здійсненних у поточному вікні зв’язності, дає змогу зменшувати дефіцит виконання порогових вимог до показників якості обслуговування та скорочувати тривалість періоду зниженого рівня функціонування критичних сервісів.
Analysis of the Current State, Problems and Development Trends of Computer Vision in Unmanned Surface Vehicle Systems
(ХНУРЕ, 2026) Kotenko, V.
This article reviews modern approaches to the application of computer vision in autonomous unmanned surface vehicles (USVs). Key challenges associated with visual perception in aquatic environments are analyzed, including illumination instability, surface reflections, waveinduced disturbances, and the limited computational resources of onboard systems. State-of-the-art algorithms for object detection, classification, and segmentation on water surfaces are examined, along with Edge-Cloud architectural approaches for visual data processing. Based on a review of the literature, promising directions for the advancement of computer vision are identified with the aim of enhancing the autonomy, navigational safety, and operational efficiency of surface robotic platforms. Special attention is given to the Edge AI paradigm and the potential of compact onboard computing platforms (edge devices) to overcome the resource constraints inherent to unmanned surface vehicles.