ISSN: 2310-8061

Електронний архів Харківського національного університету радіоелектроніки «ElAr КhNURE» є інституціальним репозиторієм, що містить публікації наукових праць та досліджень науково-педагогічних працівників, інших співробітників, здобувачів вищої освіти ХНУРЕ, а також публікації сторонніх наукових організацій. 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

Виберіть фонд, щоб переглянути його колекції.

Останні подання

Немає доступних мініатюр
Публікація
Еволюційні архітектури в штучних нейронних мережах
(ХНУРЕ, 2024) Лобанов, А. Д.
This thesis delves into the concept of neuroevolution, which combines the merits of these two systems, highlighting how artificial intelligence can harness natural evolution principles to enhance neural network efficiency. Key facets such as the Ant Colony Optimization, a bio-inspired algorithm modelled on ant foraging behavior, are explored in-depth. Challenges like architectural optimization, algorithm limitations, and scalability are analyzed, highlighting potential solutions like surrogate models. As a conclusion, the research underscores the dynamic potential of evolutionary algorithms in powering artificial neural networks, foreseeing continued advancement in this domain.
Немає доступних мініатюр
Публікація
Дослідження та розробка стратегії оптимізації та підвищення продуктивності веб-додатків на базі NodeJS та React з використанням штучного інтелекту
(ХНУРЕ, 2024) Дробицький, Д. С.
This study focuses on the development of web applications based on NodeJS and React technologies, which have become integral components of the digital paradigm, with their performance and optimization emerging as strategically important tasks. The integration of Artificial Intelligence (AI) into this ecosystem can interact with existing technologies, contributing to their enhancement and evolution.
Немає доступних мініатюр
Публікація
Використання low-code платформи у розробці інформаційно-довідникової системи «кінотеатр»
(ХНУРЕ, 2024) Пиріг, Н. Я.
The rapid development of the modern world, characterised by the widespread use of digital devices, free access of various segments of the population to the Internet and constant technological progress, make the task of data generation and consumption one of the most important tasks of nowadays. One of the social sectors that has been significantly affected by the information explosion is the entertainment industry, especially cinemas. This paper outlined the features of the subject area "Cinema", demonstrated the advantages of using to build an information system using low-code platforms, especially Oracle Apex.
Немає доступних мініатюр
Публікація
Розробка застосунку психологічної допомоги при повітряній тривозі
(ХНУРЕ, 2024) Савєльєва, В. Ю.
In today's world people often encounters circumstances that in one way or another affect their stress level. Considering this, the creation of applications for psychological help has become relevant, so the user can turn to these applications to prevent and overcome states of anxiety, panic, etc.
Немає доступних мініатюр
Публікація
Сучасні методи та моделі машинного і глибокого навчання з параметрами
(ХНУРЕ, 2024) Шовкун, П. О.
This work explores contemporary methods and models in machine and deep learning with parameters. The study encompasses a comprehensive review of parameterized models, their applications, and the impact of varying parameters on model performance. The study encompasses a comprehensive review of parameterized models, their applications, and the impact of varying parameters on model performance. Additionally, the paper investigates the latest trends and innovations in the rapidly evolving landscape of machine and deep learning, providing insights into the optimization and enhancement of model capabilities through parameter tuning.