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, Метод мультимодального прогнозування ефективності трансляції мРНК за повною послідовністю на основі глибинного навчання(2026) Косовцов, Д. І.Об’єкт дослідження – процес прогнозування ефективності трансляції мРНК на основі послідовнісних, структурних і статистичних характеристик транскрипту. Предмет дослідження – методи мультимодального подання повної послідовності мРНК, її функціональних сфер і структурно-статистичних ознак для регресійного прогнозування ефективності трансляції. Мета роботи – розробити, програмно реалізувати та експериментально перевірити метод мультимодального прогнозування ефективності трансляції мРНК за повною послідовністю на основі глибинного навчання. Методи дослідження – аналіз наукових джерел, біоінформатичний аналіз послідовностей, формування структурно-статистичних ознак, методи машинного та глибинного навчання, регресійне моделювання, підбір гіперпараметрів, оцінювання якості за метриками MAE, RMSE, Pearson і Spearman. У роботі розроблено відтворюваний Python-проєкт для прогнозування ефективності трансляції мРНК. Запропонований метод поєднує повну нуклеотидну послідовність, позиційну інформацію про 5′UTR, CDS і 3′UTR та 83 структурно-статистичні ознаки.Тип документа:Публікація, Інтелектуальна система пошуку арбітражних можливостей між криптобіржами(2026) Котенко, К. О.Об'єкт дослідження – процес виявлення та оцінювання арбітражних можливостей між централізованими криптобіржами в режимі реального часу. Предмет дослідження – методи, алгоритми та програмні засоби автоматизації моніторингу міжбіржового, тріангулярного та крос ринкового арбітражу з урахуванням комісій, ліквідності стакану та аналітики деривативів. Мета роботи – розробити веб-систему для пошуку, оцінювання та візуалізації арбітражних можливостей між криптобіржами в реальному часі з урахуванням комісій, глибини стакану, оцінки ризику та аналітики деривативів.Тип документа:Публікація, Інтелектуальна система моніторингу та виявлення аномальних банківських транзакцій на основі методів машинного навчання(2026) Курочкіна, А. Р.Об’єкт дослідження – процес виявлення шахрайських фінансових транзакцій. Предмет дослідження – методи та засоби машинного навчання для автоматизованого виявлення шахрайських операцій у фінансових системах. Мета роботи – розробка програмної системи моніторингу фінансових транзакцій із використанням методів машинного навчання для автоматичного виявлення потенційно шахрайських операцій. Методи дослідження – теоретичний аналіз наукових джерел, методи інтелектуального аналізу даних, машинного навчання, статистичного аналізу та програмної розробки з використанням мови Python, бібліотек Scikit-learn, Pandas, Streamlit і системи керування базами даних SQLite. У роботі проведено аналіз сучасних підходів до виявлення фінансового шахрайства, досліджено методи машинного навчання для задач класифікації транзакцій та виконано проєктування системи моніторингу шахрайських операцій. Розроблено програмну систему, яка забезпечує автоматичний аналіз транзакцій, оцінювання рівня ризику, формування попереджень і ведення історії фінансових операцій.Тип документа:Публікація, Донавчання та оптимізація нейромережевої системи детекції БПЛА для вбудованих обчислювачів засобів перехоплення(2026) Книш, А. О.Об’єкт дослідження – процес автоматизованої детекції та відстеження безпілотних літальних апаратів у реальному часі. Предмет дослідження – методи донавчання та апаратно-програмної оптимізації нейромережевих моделей комп'ютерного зору для роботи на ресурсно-обмежених обчислювачах. Мета роботи – розробити та оптимізувати конвеєра комп'ютерного зору для детекції та темпорального супроводження військових БПЛА на базі вбудованих обчислювальних платформ. Методи дослідження – комп'ютерний зір, алгоритмічна оптимізації, методи обчислювального експерименту та статистичного аналізу. У роботі розроблено програмний конвеєр комп'ютерного зору для напівавтономного перехоплення БПЛА. Для побудови навчального набору реалізовано збір та розмітку кадрів моделями Gemini 2.5 Pro та SAM 3 із дедуплікацією за IoU та ембедингами DINOv2 (алгоритм k-Center Greedy), що дало змогу сформувати датасет обсягом 13 200 кадрів. Навчено модель YOLO26n, компіляція якої у TensorRT FP16 забезпечила швидкодію 95,7 FPS (затримка 10,45 мс) при деградації mAP50 лише на 0,01%. Аналіз трекерів підтвердив перевагу ByteTrack над OC-SORT в умовах шумних детекцій (HOTA – 69,26%, IDF1 – 84,14%) при затримці 0,568 мс, а наскрізна затримка обробки кадру конвеєром склала 13,14 мс (76 FPS), що доводить працездатність системи.Тип документа:Публікація, Розробка Telegram-бота для профорієнтації на базі генеративних мовних моделей(2026) Колісник, Є. В.Об'єкт дослідження – процес кар'єрної орієнтації та професійного самовизначення майбутніх студентів у контексті швидкого розвитку ІТ та ринку праці. Предмет дослідження – алгоритми штучного інтелекту, методи обробки природної мови та технології RAG (Retrieval-Augmented Generation) для побудови інтелектуальних діалогових систем. Мета роботи – розробка та впровадження інтелектуальної системи кар'єрної орієнтації для адаптивного вибору професій, програм вищої освіти та аналізу ринку праці. Методи дослідження – системний аналіз, проектування архітектури програмного забезпечення, методи веб-скрейпінгу, семантичний аналіз тексту та тестування програмного забезпечення. Кваліфікаційну роботу присвячено створенню інтелектуальної системи профорієнтації. Практичний результат – Telegram-бот для повного циклу кар'єрної консультації. Наукова новизна полягає у застосуванні RAG архітектури (інтеграція Gemini API, векторної БД Pinecone, реєстру ЄДБО та порталу Work.ua), що забезпечує високу фактологічну точність і базує рекомендації на верифікованих даних у реальному часі. Розроблене рішення є функціональним і готовим до розгортання в закладах освіти. Практична значимість полягає у забезпеченні абітурієнтів надійною кар'єрною аналітикою для прийняття обґрунтованих рішень.