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

Розробка інтелектуальної інформаційної системи рекомендацій пива на основі аналізу користувацьких відгуків та методів машинного навчання
(2026) Гладков, Д. М.
Об’єкт дослідження – процес формування персоналізованих рекомендацій пива на основі користувацьких відгуків та рейтингових даних. Предмет дослідження – методи машинного навчання, обробки природної мови та рекомендаційні алгоритми для аналізу текстових відгуків і формування рекомендацій пива. Мета роботи – розроблення інтелектуальної інформаційної системи рекомендацій пива, що забезпечує формування персоналізованих рекомендацій на основі аналізу текстових відгуків користувачів та методів машинного навчання. Методи дослідження – аналіз предметної галузі, методи колаборативної та контентно-орієнтованої фільтрації, обробка природної мови, сентимент-аналіз, векторизація тексту, глибоке навчання, статистичний аналіз та оцінювання якості рекомендаційних систем. У роботі розроблено інтелектуальну інформаційну систему рекомендацій пива на основі аналізу користувацьких відгуків та методів машинного навчання. Досліджено сучасні підходи до побудови рекомендаційних систем і методи обробки природної мови. Реалізовано механізми аналізу текстових відгуків та формування персоналізованих рекомендацій. Практичне значення роботи полягає у створенні програмного прототипу для використання в сервісах рекомендації напоїв та електронній комерції.
Інтелектуальна система адаптивного управління логістикою на основі Edge AI в умовах інфраструктурних обмежень
(2026) Георгієва, Я. В.
Об’єкт дослідження – процес управління логістичними операціями та режимами праці екіпажів вантажних транспортних засобів в умовах високої невизначеності та інфраструктурної нестабільності. Предмет дослідження – методи та алгоритми периферійного штучного інтелекту, комп’ютерного зору та інтеграції телеметричних даних для адаптивного планування маршрутів і контролю психофізіологічного стану. Мета роботи – розробка інтелектуальної адаптивної системи управління логістикою, яка забезпечує живучість логістичних ланцюгів та безпеку водіїв шляхом локальної обробки даних в умовах блекаутів, порушення зв’язку та руйнування дорожньої інфраструктури. Методи дослідження – у роботі використано методи комп’ютерного зору та згорткові нейронні мережі для аналізу стану водія; методи злиття даних для крос-модальної валідації показників CAN-шини та відеопотоку; методи предиктивної аналітики та теорії графів для динамічного перерахунку маршрутів до безпечних локацій. Через конфлікт норм ЄУТР із реаліями воєнного стану обґрунтовано необхідність інтелектуальних систем підтримки водія. Розроблено Offline архітектуру на базі Edge AI з крос-модальною валідацією втоми (поєднання PERCLOS та телеметрії CAN-шини). Впроваджено модуль «Safe Hubs» для предиктивного планування безпечного відпочинку. Результати моделювання доводять підвищення стабільності логістичних процесів на 25–30% та зниження аварійності в умовах критичної нестабільності
Гейміфікована система лояльності для супермаркетів на основі обробки чеків за допомогою штучного інтелекту з використанням векторного пошуку
(2026) Єсипенко, В. Ю.
Об’єкт дослідження – процеси формування споживчої лояльності у роздрібних торговельних мережах та інструменти підвищення залученості покупців. Предмет дослідження – моделі, методи і програмні засоби побудови гейміфікованих систем лояльності на основі AI-обробки касових чеків і векторного семантичного пошуку товарів. Мета роботи – підвищення залученості покупців супермаркетів шляхом розробки гейміфікованої системи лояльності з автоматизованою обробкою касових чеків засобами Google Cloud Vision, корекцією моделями Gemini та векторним зіставленням товарів через Vertex AI Vector Search. Методи дослідження – системний аналіз, порівняльний аналіз програм лояльності і OCR-сервісів, об’єктно-орієнтоване проєктування, методи машинного навчання і математичної статистики. Спроєктовано і реалізовано гібридну архітектуру на платформі Google Cloud Platform, що поєднує пакетний і реальночасний конвеєри обробки чеків з корекцією помилок моделями Gemini та векторним пошуком товарів. Експериментально підтверджено зниження вартості обробки одного чека на вісімдесят відсотків порівняно з комерційними OCR-сервісами та середній час обробки два-три секунди. Наукова новизна полягає у гібридній архітектурі з пакетним і реальночасним конвеєрами, інтелектуальною корекцією OCR і векторним семантичним пошуком.
Розробка інтелектуальної системи віртуальної примірки одягу на основі аналізу пози людини та геометричних перетворень з використанням генеративних моделей
(2026) Фесенко, М. Б.
Об’єкт дослідження – процес віртуальної примірки одягу на цифрових зображеннях користувача. Предмет дослідження – методи аналізу пози людини, сегментації зображень, геометричного узгодження предметів одягу з тілом користувача та генеративного покращення результатів віртуальної примірки. Мета роботи – розроблення інтелектуальної системи віртуальної примірки одягу, що поєднує модулі аналізу пози людини, геометричних перетворень, асинхронної серверної обробки та генеративної моделі для формування реалістичного результату примірки. Методи дослідження – аналіз науково-технічної літератури, методи комп’ютерного зору, оцінювання ключових точок тіла людини, сегментації зображень, афінних та нелінійних геометричних перетворень, дифузійного генеративного моделювання, проєктування програмних систем і функціонального тестування. У роботі проаналізовано предметну область віртуальної примірки, розроблено постановку задачі, запропоновано математичне та алгоритмічне забезпечення системи, спроєктовано архітектуру web-застосунку, описано реалізацію backend-частини на FastAPI, frontend-частини на Next.js та модуля генерації результату через IDM-VTON. Практична значимість полягає у можливості інтеграції системи в електронні магазини одягу, маркетплейси та сервіси персоналізованого підбору стилю.
Метод генерації відповідей на основі RAG із використанням графа походження та оцінки довіри
(2026) Дрогіна, О. Л.
Об'єкт дослідження – процес генерації відповідей на запити користувача на основі великих мовних моделей із залученням зовнішніх джерел знань. Предмет дослідження – метод генерації відповідей на основі підходу Retrieval Augmented Generation з використанням графа походження документів та багатофакторної оцінки довіри. Мета роботи – підвищення прозорості та надійності систем генерації відповідей шляхом розробки методу, що інтегрує RAG, граф походження документів і багатофакторну оцінку довіри, та його програмної реалізації. Методи дослідження – аналіз наукової літератури, методи векторного представлення тексту, методи теорії графів, методи інженерії програмного забезпечення, експериментальний порівняльний аналіз. Сучасні RAG-системи не надають користувачу структурованої інформації про джерела відповіді і не дозволяють оцінити її надійність. У роботі запропоновано метод, що поєднує Retrieval-Augmented Generation із графом походження документів і багатофакторною оцінкою довіри. Виконано аналіз предметної галузі, сформульовано постановку задачі та вимоги до системи. Експериментальне дослідження підтвердило доцільність використання графа походження та багатофакторної оцінки довіри для підвищення прозорості й інтерпретованості системи.