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, Модель адаптивної мультиагентної системи для динамічної кооперації та конкуренції в ігровому середовищі, що ґрунтується на принципах MARL(2026) Падалкін, К. Д.Об’єктом дослідження є мультиагентні системи навчання з підкріпленням у частково спостережуваних динамічних середовищах. Предметом дослідження є методи та моделі адаптивної поведінки агентів, які забезпечують динамічний перехід між кооперацією і конкуренцією в єдиному ігровому середовищі. Мета роботи полягає в розробці та дослідженні моделі адаптивного мультиагентного навчання з підкріпленням, здатної автоматично змінювати ступінь кооперативної або конкурентної поведінки агентів залежно від поточного стану середовища, доступних ресурсів і спостережуваної поведінки інших агентів. Методами дослідження є аналіз наукової літератури, порівняльний аналіз існуючих MARL-підходів, моделювання мультиагентного середовища, проектування та реалізація нейромережевої архітектури, навчання моделей і обробка результатів. Результатом дослідження є розроблене оригінальне ігрове середовище Adaptive Coopetition Gridworld, програмна реалізація п’яти архітектурних варіантів агента у рамках єдиного класу через незалежні архітектурні прапорці, а також систематичне абляційне дослідження. Робота уточнює умови застосовності контекстних механізмів у MARL та має методологічну цінність як приклад мульти-сидового абляційного дослідження з виявленою пізньої фазовою збіжністю.Тип документа:Публікація, NLP-пайплайн для обробки новинних потоків із генерацією аудіо-контенту(2026) Неєлов, С. К.Об’єкт дослідження – процес автоматизованого збору, інтелектуальної обробки та візуалізації неструктурованих текстових даних із новинних джерел. Предмет дослідження – методи обробки природної мови, моделі машинного навчання для сумаризації та синтезу мовлення, а також алгоритми нормалізації даних для побудови аналітичних дашбордів. Мета роботи – розробка комплексної автоматизованої системи для парсингу Telegram-каналів, глибокого NLP-аналізу новинних потоків, генерації аудіо-дайджестів та підготовки структурованих баз даних для інтерактивних систем бізнес-аналітики. Методи дослідження – вивчення методів обробки природної мови, включаючи NER, Zero-Shot Classification, тестування архітектур великих мовних моделей (LLM) та систем синтезу мовлення (TTS), аналіз документації до бібліотек обраних мов програмування (Python, C#), застосування методів проектування баз даних та налаштування BI-систем у середовищі Power BI. У процесі дослідження були використані наступні технології: Python, FastAPI, C#, Entity Framework, mitmproxy, Microsoft Power BI, а також нейромережеві моделі mDeBERTa, GLiNER, Qwen та Silero. В рамках роботи був інтегрований комплексний NLP-пайплайн для семантичного аналізу новин у мікросервісний застосунок із функціоналом генерації аудіо дайджестів, створення та візуалізації аналітичних звітів.Тип документа:Публікація, Методи ефективного донавчання великих мовних моделей із вдосконаленням механізмів адаптерів(2026) Мічурін, І. Є.Об’єкт дослідження – процес параметрично-ефективного донавчання великих мовних моделей. Предмет дослідження – методи адаптерного донавчання з токен залежним гейтуванням і спектральною регуляризацією. Мета роботи – розробка та експериментальна перевірка методу Spectral Gated Adapter для ефективного донавчання великих мовних моделей. Методи дослідження – аналіз наукових джерел, математичне моделювання, методи глибокого навчання та генеративного штучного інтелекту, інтелектуальний дослідницький аналіз та експериментальне порівняння отриманих емпіричних даних. У роботі запропоновано архітектуру SGA, що поєднує рангове гейтування з ортогональною спектральною регуляризацією адаптерних матриць. Експерименти на MRPC, RTE, QNLI та SST-2 показали конкурентну якість порівняно з LoRA, менший параметричний бюджет і нижче пікове використання GPU-пам’яті. Розроблений метод може бути впроваджений у навчальні пайплайни PyTorch і HuggingFace Transformers. Робота пов’язана з дослідженнями LoRA, AdaLoRA, DoRA, BitFit, IA³, Mixture-of-Experts і спектральної нормалізації. Результати доцільно використовувати в задачах NLP з обмеженими обчислювальними ресурсами та продовжити в напрямах квантування, мультимовного оцінювання і масштабування на декодерні моделі.Тип документа:Публікація, Семантичне прогнозування криз на фінансових ринках у реальному часі з використанням MFFMs/LLM(2026) Недодаєв, В. А.Об’єкт дослідження – системи раннього попередження фінансових криз з використанням методів машинного навчання та семантичного аналізу текстових джерел. Предмет дослідження – методи підвищення точності та надійності прогнозування фінансових криз шляхом комбінування кількісних ринкових індикаторів та LLM-кодування на основі текстових джерел даних у мультифакторній фінансовій моделі. Мета роботи – дослідження та емпірична валідація методу прогнозування криз фінансових ринків шляхом розробки гібридної системи, що поєднує кількісні ринкові індикатори з семантичним аналізом текстів FOMC та Beige Book у конвеєрі retrieval-augmented generation. Методи дослідження – теоретичні (аналіз наукової літератури з систем раннього попередження, порівняння існуючих підходів до прогнозування криз) та практичні (побудова пайплайну ознак, walk-forward бектестування, блоковий бутстрап, абляційні дослідження). Запропонована система забезпечує інтерпретовані прогнози з історичними аналогами та демонструє реальну прогностичну здатність за межами простої детекції поточних кризових станів, що підтверджено тестуванням.Тип документа:Публікація, Виявлення шкідливих стеганографічних інструкцій у файлах зображень з використанням ШІ(2026) Лісін, О. А.Об’єкт дослідження – системи виявлення замаскованого шкідливого програмного забезпечення у непідозрілих файлах з використанням глибоких нейронних мереж. Предмет дослідження – методи адаптації моделей штучного інтелекту для виявлення корисного навантаження, замаскованого методами цифрової мімікрії. Мета роботи – розробка моделі глибокого штучного інтелекту та її адаптація до задач виявлення зашифрованих шкідливих бітових послідовностей у файлах зображень. Методи дослідження – теоретичні (аналіз методів використання стеганографії для шифрування, аналіз існуючих методів боротьби з цифровою мімікрією), та практичні (розробка моделі виявлення заражених методами стеганографії зображень). Результатом дослідження є ідея архітектури моделі класифікації файлів зображень для відокремлення зображень з корисним навантаженням від звичайних чи нешкідливих.