Кафедра інформатики (ІНФ)
Постійний URI для цієї колекції
Перегляд
Останні подання
Публікація Оцінка завадостійкості методів класифікації зображень на основі хешування даних(ТОВ «УКРЛОГОС Груп», 2025) Гема, О. Г.У сучасних системах комп’ютерного зору одним із ключових напрямів є класифікація зображень з використанням структурних методів на підставі опису у формі множини дескрипторів ключових точок. Такі дескриптори відображають структурні та просторові властивості зображення, що дозволяє ефективно розпізнавати об’єкти незалежно від їхнього положення, масштабу або часткових спотворень. Проте надійність такої класифікації значною мірою залежить від їхньої стійкості до шумів, які можуть виникати через недосконалість сенсорів, зміни освітлення або втрати даних під час передавання. Тому дослідження впливу шуму на ефективність алгоритмів класифікації є важливою складовою аналізу їхньої практичної придатності.Публікація Деякі аспекти застосування Color space transfer на основі Face Parsing у задачах обробки зображень облич(Milan, Italy, 2025) Ларін, І.Ефективність сучасних систем розпізнавання облич значною мірою залежать від умов освітлення, колірної гами та технічних характеристик пристроїв зйомки. Відмінності у кольоровій гаммі, спричинені варіаціями освітлення або зовнішніми факторами, можуть призводити до похибок при ідентифікації та верифікаціїПублікація Analysis of named entity recognition in the insurance domain with ai agents(2025) Nechaieva, Y.In the insurance sector, automated text data processing is becoming a key component of digital transformation, as the volume of contracts, applications, policies, regulations, and risk reports is growing exponentially.Публікація Development of a hybrid method to enhance context memory for a chatbot application based on large language models(2025) Bohdan, N.; Tvoroshenko, I.; Gorokhovatskyi, V.; Kobylin, O.This paper addresses the critical challenge of maintaining long-term contextual coherence in LLM-based chatbots, particularly in scenarios demanding multi-stage reasoning and complex information recall. The core scientific novelty of this research lies in the development and justification of a Hybrid Methodology for Contextual Memory Enhancement. This methodology synergistically integrates the temporal continuity of recent messages’ context with the precision recall capabilities of RAG and AI analysis agent, effectively mitigating the common issue of contextual dilution over extended dialogues. The research involved the development of chatbot application implementing this method and subsequent rigorous scenario-based testing, which validated the superior performance of the proposed hybrid approach. The results provide definitive recommendations for optimizing LLM memory management, paving the way for more robust and reliable conversational AI systems capable of advanced, multi-turn reasoning and complex task resolution.Публікація Development and research of a method for the combined use of large language models for text generation(2025) Suprun, A.; Tvoroshenko, I.; Gorokhovatskyi, V.; Yakovleva, O.This paper presents a comparative analysis of three advanced large language models (GPT-4o, Claude 4 Opus, and Gemini 2.5 Pro) applied to creative text analysis and generation tasks. The study examines each model’s performance across multiple narrative scenarios of varying complexity, assessing both analytical accuracy and literary expressiveness using integrated linguistic, logical, and stylistic metrics. Experimental evaluation showed that Claude 4 Opus achieved the highest analytical consistency with minimal hallucination rate and strong logical reasoning, while Gemini 2.5 Pro excelled in generation quality, demonstrating superior stylistic coherence, emotional depth, and grammatical precision. GPT-4o, in turn, maintained high contextual completeness but revealed a tendency toward interpretive creativity and higher variance in factual precision. Building on these findings, a new method for combined utilization of LLMs was developed and tested. In this approach, Claude 4 Opus serves as the analytic module, performing structured narrative decomposition and contextual synthesis, while Gemini 2.5 Pro acts as the generative module, transforming the processed analytical output into artistically refined text. Experimental validation demonstrated that the proposed method achieved an average generation quality index that surpassed each model’s individual results in coherence, emotional integrity, and stylistic harmony. These outcomes confirm the effectiveness of inter-model collaboration for enhancing both analytical precision and creative depth in LLM-based literary text generation, offering a promising direction for future hybrid human–AI creative systems.Публікація Швидкісні методи класифікації зображень з використанням квантування ознак(2025) Мазур, Є. В.Комп’ютерні системи, що виконують задачу класифікації зображень у якості основи або частини свого функціоналу, доволі часто потребують високої швидкодії. Метою дослідження є підвищення швидкодії роботи класифікатора зображень завдяки накопиченню повного вектора вагових коефіцієнтів, отриманого з розподілу дескрипторів зображень за центроїдами, отриманими в результаті кластеризації, а також використання параметру однорідності для подальшого пришвидшення класифікатора з мінімальними втратами точності.Публікація Класифікація зображень з використанням хешування(ХНУ ім. Каразіна В.Н., 2025) Гема, О. Г.Вивчається проблема класифікації зображень з використанням апарату випадкового проєктування у багатовимірному просторі данихПублікація Особливості застосування методу Histogram matching для нормалізації кольору обличчя(2025) Ларін, І.У сучасних задачах комп’ютерного зору, пов’язаних із розпізнаванням обличчя, критичним чинником, що впливає на точність роботи методів, є варіативність колірної гами та освітлення зображень. Особливо це актуально при порівнянні зображень, отриманих із різних пристроїв або у різних умовах. Для зменшення впливу цих факторів використовується попередня нормалізація кольору, яка дозволяє уніфікувати вхідні дані відповідно до певного еталонуПублікація Про апаратні механізми протидії атакам побічних каналів у RISC-V IoT-пристроях(2025) Грек, Є.Сучасні системи комп’ютерного зору потребують якісного захисту від різного роду можливих атак. Відкрита архітектура RISC-V швидко поширюється в IoT-системах завдяки гнучкості та відкритому екосередовищу. Проте обмежені за ресурсами пристрої особливо вразливі до атак побічних каналів: за споживанням енергії, електромагнітним випромінюванням, мікроархітектурними ефектами та часовими варіаціямиПублікація Аналіз особливостей методів розпізнавання іменованих сутностей для текстів страхового сектору(International Science Group, 2025) Нечаєва, Я.У сучасному світі обробка текстових даних у страховому секторі набуває критичного значення через експоненційне зростання обсягів документів, таких як страхові поліси, заяви на відшкодування та звіти про ризики.Публікація Review of the methods of classification of yoga exercises implemented by machine learning and neural networks(International Science Group, 2025) Podshyvalova, O.Classification methods based on machine learning are common in human pose classification tasks, since they have several advantages, among which are efficient work with large volumes of data of different types (in particular, photo and video data) and, on this basis, building models with high classification efficiencyПублікація Architectural features of modern large language models(International Science Group, 2025) Suprun, A.Публікація Структурний підхід до розпізнавання зображень на основі кластеризації ключових точок(2025) Водотика, Я.Задача автоматичного розпізнавання зображень вважається однією з ключових у сучасних дослідженнях комп’ютерного зору. Поширений підхід до вирішення проблеми базується на побудові та навчанні глибоких та згорткових нейронних мереж, які демонструють високі показники точності, але потребують значних обсягів навчальних даних та обчислювальних ресурсів, крім того, також, зазвичай, вирішують задачу класифікації з фіксованою кількістю класів.Публікація Роль процедурних генеративних методів у створенні оптимізованих 3D-моделей для ігор.(2025) Колісниченко, М.Вимоги гравців до реалістичності ігор з кожним днем зростають, звичним є застосування засобів комп’ютерного зору для вирішення питань ідентифікації, класифікації, оброблення та застосування даних, що призводить до значного навантаження на пристрої користувачів. Разом із цим постає важливе питання оптимізації ресурсів у режимі реального часу, а саме застосування процедурних методів генерації 3D-моделей.Публікація Оцінювання значущості ознак для підвищення продуктивності структурних методів класифікації зображень(НТУ "ХПІ", 2025) Гороховатський, В. О.; Творошенко, І. С.У задачах класифікації зображень, що є зараз досить актуальними для комп’ютерного зору, систему ознак часто формують як множину багатовимірних векторів, що у повній мірі відображають просторові властивості візуального об’єкту для здійснення результативного аналізу. Наприклад, опис візуального об’єкта подається як скінченна множина дескрипторів ключових точок (КТ) зображення. Дескриптор – це багатокомпонентний числовий вектор, що відображає характеристики деякої околиці КТ на зображенні і формується спеціальними фільтрами – детекторами.Публікація Нейромережа Хемінга для класифікації зображень за множиною дескрипторів(НТУ ХПІ, 2025) Кобилін, О. А.; Гороховатський, В. О.; Запорожченко, А. П.Розглянуто застосування мережі Хемінга для класифікації зображень у базі даних. Описи еталонів і аналізованого зображення подано у вигляді множини дескрипторів ключових точок зображення. Мережа Хемінга сприяє підвищенню точності класифікації.Публікація Реализация модели системы поддержки принятия решений в области сервисного обслуживания банкоматов(ХНУРЕ, 2008) Кузёмин, А. Я.; Головий (Гусарь), Н. В.; Даюб, Я.Рассматриваются основные подходы к построению модели системы поддержки принятия решений в специфичной области сервисного обслуживания банкоматов путем использования нейронных сетей. Приводится пример построения нейронной сети для реализации модели заданной системыПублікація Evaluating language models on low-resource pairs(ХНУРЕ, 2025) Bodenchuk-Pastukhov, Y. V.This work is devoted to the evaluation of the Facebook M2M100_418M and Alirezamsh Small100 models for low-resource language pairs. For this study, parallel corpora were selected for the following language pairs: Japanese-Ukrainian, Korean-Ukrainian, Turkish-Ukrainian, Vietnamese-Ukrainian, and Chinese-Ukrainian. The models were assessed based on their performance in translating these language pairs. Evaluation metrics included BLEU and ChrF scores, which measure the quality of the translations. Additionally, differences between the target and translated sentences were analyzed. The study aims to highlight the strengths and weaknesses of each model when working with low-resource languages. A comparative analysis of the results provides insights into the effectiveness of these models. The findings can be useful for future improvements in machine translation for underrepresented language pairs.Публікація Ієрархічні моделі семантичної сегментації зображень в інформаційних технологіях(ХНУРЕ, 2025) Єнацький, О. О.In recent years, the rapid growth of visual data in fields such as medicine, security, and autonomous systems has highlighted the need for more advanced image processing techniques. Semantic segmentation, a fundamental task in computer vision, plays a crucial role in extracting meaningful information from images by dividing them into regions based on their content. This process is particularly important for applications like autonomous driving, medical diagnostics, satellite image analysis, and intelligent video surveillance systems.Публікація Квантові вейвлет перетворення(ХНУРЕ, 2025) Гальченко, К. Р.The paper describes the promising directions of using quantum wavelet transforms (QWT) in the field of image processing, as well as the components of these transforms. The use of QWT allows for efficient image compression while preserving detail and more accurate color space information. For example, the quantum wavelet transform can be used to encode images in quantum states with subsequent restoration.