Scientific Bulletin of UNFU

Метод визначення пріоритетності гуманітарного розмінування територій на підставі прогнозу мінної небезпеки та геолокаційних даних

Д. І. Братасюк — 2026-06-25

Гуманітарне розмінування територій України є складним комплексним завданням, що потребує ефективної пріоритезації обмежених ресурсів. Традиційні підходи до планування гуманітарного розмінування територій переважно орієнтовані на оцінювання рівня мінної небезпеки без урахування присутності населення на потенційно небезпечних територіях, що обмежує їхню практичну ефективність. Розроблено метод визначення пріоритетності гуманітарного розмінування територій, що поєднує прогнозування мінної небезпеки методами машинного навчання з даними про просторову активність користувачів мобільного застосунку. Проведено порівняльний аналіз якості класифікації мінної небезпеки для алгоритмів Logistic Regression, Random Forest, XGBoost, Invariant Risk Minimization та ансамблевої моделі Stacked Generalization за метриками AUC, Precision, Recall і F1-score. Встановлено, що алгоритм XGBoost продемонстрував найкращі результати класифікації мінної небезпеки серед базових моделей, тоді як ансамблева модель забезпечила найвищу якість класифікації та перевищила результати базових алгоритмів за всіма ключовими показниками. Виявлено, що найбільш значущими предикторами мінної небезпеки є відстань до лінії фронту, тип землекористування та індекс інтенсивності бойових дій. Охарактеризовано закономірності взаємозв'язків між вхідними ознаками моделі та встановлено відсутність критичної мультиколінеарності між предикторами. Запропоновано зважену адитивну модель, яка поєднує прогнозований ризик мінування, показник просторової активності населення та доступність територій, де рекомендованими є параметри α = 0,5, β = 0,3, γ = 0,2. Встановлено, що комбінований підхід до визначення пріоритетності гуманітарного розмінування територій дає змогу під час відбору обмеженої частки найбільш пріоритетних зон забезпечити більше охоплення населення порівняно з підходом, що ґрунтується тільки на оцінюванні ризику. Аналіз чутливості моделі пріоритетності підтвердив її стійкість до зміни вагових коефіцієнтів у межах 0,1 без істотного погіршення ключових показників. Результати класифікації мінної небезпеки та пріоритезації територій можна використати як основу для створення системи підтримки прийняття рішень у сфері гуманітарного розмінування територій та системи інформування населення про мінну небезпеку.

Гібридна асинхронна модель клітинних автоматів SEIR-LT для поширення інформації у соціальних мережах

І. М. Грабовенська — 2026-06-25

Наведено гібридну асинхронну модель клітинних автоматів для моделювання процесів поширення інформації у соціальних мережах, де поєднано функціонал класичних компартментних структур (Сприйнятливі-Експоновані-Інфіковані-Видужалі) з теорією лінійного порогу. Застосовано індивідуалізований механізм оновлення станів користувачів для максимально точної фіксації часової неоднорідності: кожному учаснику мережі призначаються унікальні інтервали активності замість одночасного переходу об'єктів усієї популяції. З'ясовано, що такий асинхронний підхід до моделювання дещо детальніше характеризує реальну поведінку людей, які реагують на зовнішні подразники з різною швидкістю та увагою. Введено методику узагальненого порогу GLT (англ. Generalized Threshold Model) для визначення ймовірності переходу користувача в активний стан – момент, коли соціальний вплив оточення перевищує індивідуальний поріг опору, змушуючи її прийняти інформацію. Охарактеризовано закономірності розвитку гетерогенної популяції користувачів з виділенням класів впливових та стійких учасників мережі. Встановлено, що відмова від глобальної синхронізації користувачів дає змогу повністю усунути нереалістичні хвилеподібні артефакти, притаманні для традиційних обчислень. Протестовано функціонування спроєктованої архітектури асинхронних клітинних автоматів із використанням методології Монте-Карло на двовимірній сітці. Оцінено вплив часової гетерогенності на середній обсяг каскаду, який продемонстрував зростання від 5,93 % за умов повного синхронізму до 6,17 % у локалізованих неоднорідних конфігураціях. Виявлено істотне підвищення загальної ймовірності масштабного поширення інформації: запропонований механізм забезпечив успішну передачу імпульсу у 96 % зі 100 макроскопічних ітерацій порівняно з тільки 88 % за традиційних обмежень. Зафіксовано природне згладжування інтенсивності процесу, що підтверджується зниженням пікової поширеності (максимальної частки популяції, що перебуває в інфікованому стані та активно поширює інформацію) від 0,99 до 0,92 % та ефективним перерозподілом навантаження впродовж дещо тривалішого відрізка етапів дослідження. Досліджено вплив параметрів на розроблену модель асинхронних клітинних автоматів та проаналізовано фазовий перехід базової ймовірності з критичною точкою близько рівня 0,25. Виявлено фундаментальну асиметрію поширення інформації в мережі: запустити масштабні інформаційні каскади за допомогою малої кількості впливових користувачів значно легше, ніж придушити їх збільшенням кількості стійких учасників мережі. Розроблену асинхронну модель клітинних автоматів запропоновано використовувати для прогнозування та тестування стратегій стримування небажаного контенту.

Метод виокремлення військових об'єктів з відеопотоку даних FPV-дрона з використанням моделей машинного навчання

С. В. Здебський — 2026-06-25

Проаналізовано наявні методи комп'ютерного зору та засоби машинного навчання для вирішення завдання автоматизованого виявлення та класифікації військових цілей безпілотними літальними апаратами (БПЛА). Обґрунтовано актуальність та вагомість застосування безпілотних засобів, зокрема – FPV-дронів (англ. First Person View), для виконання різноманітних бойових завдань за умов ведення сучасних бойових дій, зокрема – в контексті повномасштабного вторгнення Російської Федерації в Україну. Акцентовано увагу на проблемі вразливості БПЛА до засобів радіоелектронної боротьби, що виникла внаслідок необхідності постійного зв'язку з оператором. Окреслено одне з перспективних рішень, що базується на впровадженні засобів штучного інтелекту та комп'ютерного зору для забезпечення автономності безпілотного комплексу на завершальній стадії бойової місії, де ключовим елементом є програмне забезпечення (ПЗ) автоматизованого виокремлення цілей із відеопотоку даних з бортових сенсорів дрона. Охарактеризовано вимоги до програмного компонента бортового комплексу: оптимізація під обмежені обчислювальні ресурси периферійних бортових пристроїв, високі параметри точності виокремлення цілей, підвищені вимоги до надійності, а також мінімізація енергоспоживання обчислювального модуля як критична умова збереження автономності та польотних характеристик. Реалізовано метод, що базується на моделі машинного навчання YOLO26s та алгоритмі міжкадрового підтвердження виокремлень військових об'єктів, який формує результат на основі стійких сигналів послідовних кадрів відеопотоку даних з бортових сенсорів та виконує фільтрування хибнопозитивних результатів без істотного впливу на продуктивність. Сформовано навчальний набір даних на основі реальних фото- та відеоматеріалів, що охоплює шість класів військових об'єктів: танк, БТР-БМП, вантажівка, РСЗВ, ЗРК та комбатант. Описано використання різних методів аугментації для імітації роботи бюджетних сенсорів, умов навколишнього середовища та маскування шуканих цілей. За допомогою імплементованого методу досягнуто високих показників точності (середній mAP@50 становить 0,803^±0,05, mAP@50-95 становить 0,624^±0,06) за середньої тривалості інференсу 22^±2мс або 40^±5кадрів на секунду для відеопотоку даних з бортових сенсорів із роздільною здатністю 1920×1080 пікселів для апаратного комплексу Tesla T4. Апаратне забезпечення серії NVIDIA Jetson Orin запропоновано для розгортання розробленого програмного методу на борту FPV-дрона.

Удосконалення методу семантичного пошуку фільмів на основі зваженого агрегування багатоджерельних ембедингів

А. І. Плюснін — 2026-06-25

Досліджено особливості підвищення ефективності семантичного пошуку фільмів поєднанням різнорідних текстових джерел, які описують різні аспекти кіноконтенту. Перевірено підхід до зваженого агрегування щільних векторних подань, сформованих з метаданих, користувацьких відгуків та англомовних субтитрів, на наборі даних зі 100 фільмів і 50 природномовних запитів із наперед визначеними релевантними фільмами. В експерименті застосовано косинусну подібність, Recall@5, Hit Rate@5, Mean Reciprocal Rank, bootstrap-довірчі інтервали та критерій Вілкоксона для оцінювання окремих і комбінованих конфігурацій. Встановлено, що векторні подання на основі відгуків забезпечили найвищу ефективність семантичного пошуку фільмів серед окремих джерел: Recall@5 = 0,63, Hit Rate@5 = 0,90 і MRR = 0,78, перевищивши результати метаданих і субтитрів. Це свідчить про те, що відгуки краще узгоджуються з природномовними запитами, оскільки містять оцінкові описи, тематичні узагальнення, емоційні враження та згадки про сюжетні елементи. Визначено, що субтитри, попри найбільший обсяг тексту, не забезпечили найкращої якості ранжування релевантних фільмів через наявність діалогових заповнювачів, контекстно залежних висловлювань і семантично нейтральних фрагментів. Підтверджено, що зважене агрегування різнорідних текстових подань покращило ефективність пошуку релевантних фільмів порівняно з окремими поданнями: збалансована конфігурація вагомостей джерел досягла найвищого середнього MRR = 0,89, тоді як конфігурація з домінуванням відгуків досягла найвищого середнього Recall@5 = 0,73. Проведено статистичне тестування результатів експерименту, яке підтвердило значні покращення зважених конфігурацій порівняно з найкращим окремим текстовим джерелом для окремих метрик; однак відмінності між збалансованою конфігурацією та конфігурацією з домінуванням відгуків не були статистично значущими. Отже, ці конфігурації доцільно розглядати як порівнянні зважені стратегії з різними профілями пошуку. Проаналізовано категорії запитів і встановлено, що описові запити тяжіють до метаданих, суб'єктивні до відгуків, а контекстні та персонажно орієнтовані запити залежать від кількох джерел. Практична цінність дослідження полягає у визначенні внеску метаданих, відгуків і субтитрів у семантичний пошук фільмів та підтвердженні ефективності зваженого поєднання джерел. Окреслені подальші етапи дослідження доцільно спрямувати на розширення набору даних, порівняння кількох embedding-моделей і розроблення адаптивних стратегій зважування залежно від типу запиту.

Вебзастосунок для прогнозування потреб військових на підставі аналізу та моніторингу їхнього гуманітарного забезпечення

М. Ф. Сало — 2026-06-25

Повномасштабне вторгнення Російської Федерації в Україну істотно посилило проблему системної координації гуманітарного забезпечення військових підрозділів. Використання месенджерів і соціальних мереж як основних каналів комунікації унеможливлює централізоване нагромадження, структурування та аналіз інформації про потреби військових, а відсутність інструментів їх прогнозування змушує волонтерів реагувати на запити постфактум, а не планувати наперед відповідне забезпечення. Запропоновано метод короткотермінового прогнозування потреб військових підрозділів на основі простого ковзного середнього з вікном k = 3 місяці та описано його інтеграцію у повностековий вебзастосунок NeedsInsight, розроблений на основі Next.js 14, TypeScript, PostgreSQL і Drizzle ORM. Застосунок підтримує три ролі користувачів – представник військових, волонтер та адміністратор – з рольовим розмежуванням доступу до функцій системи. Виконано порівняльний аналіз обраного методу прогнозування з альтернативними підходами – експоненційним згладжуванням, моделями ARIMA та рекурентними нейронними мережами типу LSTM – за п'ятьма критеріями: мінімальна кількість спостережень, потреба у підборі параметрів, обчислювальна складність, залежність від сторонніх бібліотек та придатність для системи на початковому етапі експлуатації. Встановлено, що метод простого ковзного середнього є єдиним із розглянутих, що задовольняє всі п'ять критеріїв одночасно. Розроблено клієнтський інтерфейс візуалізації результатів прогнозу, що містить панель аналітичних метрик із кольоровим кодуванням тренду, лінійний графік з розмежуванням реальних і прогнозованих значень, картку прогнозованого значення з текстовою інтерпретацією результату та повідомлення про недостатність даних. Коректність реалізації вебзастосунку підтверджено прикладом прогнозування потреб військових на підставі аналізу та моніторингу їхнього гуманітарного забезпечення. Підсистема прогнозування покриває всі п'ять функціональних вимог групи REQ-4, що підтверджено функціональним тестуванням застосунку. Підсистему розгорнуто у складі застосунку NeedsInsight, архітектура якого дає змогу замінити SMA на дещо складніший метод без зміни інтерфейсу після нагромадження достатнього обсягу інформації.

Розроблення мобільного застосунку для тренування гри на піаніно

Н. М. Слободян — 2026-06-25

Проаналізовано причини обмеженого використання у сфері освіти, зокрема – музичній, генеративних моделей штучного інтелекту. Відзначено вищу точність та менший час надання зворотного відгуку протоколом MIDI (англ. Musical Instrument Digital Interface, універсальний цифровий стандарт, який дає змогу музичним інструментам, комп'ютерам і контролерам обмінюватися даними) порівняно з алгоритмами оброблення звуку, що поряд з поширеністю цифрових піаніно зумовило доцільність його використання у роботі. Встановлено, що наявні застосунки для навчання гри на піаніно передбачають вивчення композицій, виконання вправ на слух та перевірку музичної теорії, Однак, недостатньо акцентують увагу на практичній потребі гри на інструменті, майже не приділяють уваги ізольованим вправам на гру: читанню ритму або акордів. Для розроблення мобільного застосунку обрано платформу Android, яка забезпечує максимальну доступність для користувачів через поширеність пристроїв з цією операційною системою. Використано мову програмування Kotlin, офіційну та рекомендовану для створення застосунків під Android, яка водночас набуває популярності для розроблення застосунків, що працюють одразу на кількох операційних системах. За допомогою взаємодоповнювальних методологій Clean Architecture та Domain-Driven-Design створено застосунок, в якому бізнес-логіка є ізольованим ядром програми, захищеним від інфраструктури, фреймворків та баз даних. Розроблено моделі домену для генерування завдань різних типів з налаштовуваною складністю, перевіркою введення даних користувачем та надання зворотного відгуку. Імплементовано декілька алгоритмів оцінювання особливостей введення даних для різних режимів: точна гра потрібних нот, гра нот з можливим зсувом на кілька октав, гра в довільній тональності за умови збереження інтервальних відстаней між натисками. Використано стандарт шрифтів музичної нотації SMuFL для імплементації модуля відображення нотного стану під потреби вправ. Забезпечено інтеграцію розробленого застосунку з цифровими піаніно, які підтримують протокол MIDI через USB або Bluetooth, що підвищить ефективність засвоєння інформації користувачами-початківцями, покращить якість вивчення теорії та їхні навички гри на піаніно.

Система керування вмістом вебсайту на основі мікросервісної його архітектури та технологій штучного інтелекту

О. Ю. Устич — 2026-06-25

З'ясовано, що сучасний ринок веброзроблення стикається зі значним технологічним бар'єром для користувачів без навичок програмування, що обмежує їхні можливості у створенні придатних для роботи ресурсів без залучення дорогих спеціалістів. Оцінено вплив технологій штучного інтелекту, зокрема – великих мовних моделей, на процеси створення цифрового контенту та автоматичного генерування програмного коду для сучасних вебзастосунків. Виникає потреба розроблення інноваційної автономної системи керування вмістом вебсайтів, що інтегрує штучний інтелект у власну мікросервісну архітектуру застосунку для автоматизації рутинних процесів розроблення вебсайтів "з нуля". Встановлено, що наявні рішення на ринку (Wix, Webflow, Builder.io) пропонують компроміс між гнучкістю та простотою використання, обмежуючи користувачів шаблонними рамками або, навпаки, вимагаючи глибоких технічних знань. Охарактеризовано закономірності побудови систем керування вмістом вебсайтів на основі мікросервісної архітектури програмного комплексу з використанням платформи оркестрації.NET Aspire, що забезпечує високий рівень масштабованості всієї системи, незалежності компонентів та стійкості до відмов. Виявлено, що використання платформи Gemini дає змогу автоматизувати процес створення HTML- та CSS-коду з високою точністю генерування на основі запитів природною мовою завдяки оптимальному співвідношенню витрат токенів. Розроблено багаторівневу архітектуру програмного комплексу, яка містить чотири основні мікросервіси: FrontendReactVite для інтерфейсу, DataService для роботи з SQL Server, WebFrontEnd для рендерингу через шаблонізатор Razor Engine та AIService для семантичного аналізу. Досліджено ефективність застосування бази шаблонів запитів (prompt templates) та підходу до інженерії промптів "few-shot prompting" у спеціалізованому модулі PromptEngineer для вдосконалення взаємодії зі штучним інтелектом. Встановлено, що розроблена реляційна модель даних забезпечує гнучке управління різними типами контенту та їхніми динамічними властивостями без надлишковості коду. Перспективи подальших досліджень полягають у розширенні спектра підтримуваних моделей штучного інтелекту, вдосконаленні алгоритмів генерування складних динамічних вебкомпонентів та інтеграції розширеної аналітики взаємодії користувачів із згенерованим контентом.

Реконструкція супутникових даних за умов хмарності для прогнозування врожайності кукурудзи злиттям мультимодальних знімків

С. І. Балук — 2026-06-25

Розроблено та апробовано комплексну інтелектуальну систему прогнозування врожайності кукурудзи, що базується на синергії просторово-часової генеративно-змагальної мережі (ST-cGAN) та рекурентної архітектури CNN-LSTM. Застосовано мультимодальне поєднання погодно-незалежних радіолокаційних даних Sentinel-1, метеорологічних чинників ERA5-Land (середньодобова температура та сума опадів) та історичних оптичних спостережень Sentinel-2. Вирішено проблему "біохімічної сліпоти" радіолокаційних сигналів, за якої радар фіксує фізичну структуру рослин, але не здатний оцінити їхню фотосинтетичну активність та обмеження традиційного оптичного зондування земної поверхні, спричинених частою хмарністю. Для цього замість багаточастотного SAR-зондування було застосовано стратегію раннього злиття даних. Мережа ST-cGAN одночасно обробляє поточні SAR-дані для визначення структурного макростану, історичні оптичні дані як останній достовірний біохімічний стан та 10-денну історію метеорологічних показників. Відповідно, якщо радар фіксує високу біомасу, але метеорологічні дані свідчать про посуху, нейромережа математично розпізнає біологічний стрес і синтезує знижені індекси NDVI та NDRE, запобігаючи генерації хибно здорових посівів. Здійснено динамічний синтез пропущених вегетаційних індексів NDVI та NDRE за умов тривалих періодів суцільної хмарності (до 21 дня), при цьому досягнуто високої структурної подібності синтезованих карт (індекс SSIM = 0,89). Введено в архітектуру мережі часові дискримінатори для аналізу послідовностей кадрів, що на 18 % покращило індекс збереження меж полів та мінімізувало появу просторових артефактів на границях угідь. Проведено піксельну регресію для тестової ділянки площею 15 000 га у Західному Лісостепу України на основі реконструйованих часових рядів, які охоплювали 15 критичних фенологічних етапів розвитку культури. Встановлено, що запропонована архітектура нейронної мережі знижує середньоквадратичну помилку прогнозу (RMSE) до 0,48 т/га за коефіцієнта детермінації (R²) 0,90. На основі статистичного аналізу (парний t-тест) доведено вагому перевагу розробленого методу над галузевими алгоритмами заповнення пропусків, зокрема – STARFM, який є неспроможним адекватно моделювати нелінійний стрес посівів без оптичних даних. Представлено масштабовану систему підтримки прийняття рішень для оптимізації логістики збирання врожаю та точного фінансового планування роботи агропідприємств незалежно від атмосферних умов. Окреслено перспективи подальших етапів дослідження, що полягають у дистиляції знань нейромережі для периферійних IoT-пристроїв та інтеграції даних БПЛА.

Програмне забезпечення для ізольованого розгортання вебзастосунку у контейнеризованому середовищі

Б. О. Бекас — 2026-06-25

Наведено результати розроблення програмного забезпечення (ПЗ) для ізольованого розгортання вебзастосунку у контейнеризованому середовищі. Встановлено, що традиційним підходам до розгортання застосунків (традиційний деплой) характерні складність налаштування середовища виконання, управління залежностями та відмінностями між локальним і серверним середовищами виконання, що призводить до збільшення тривалості розгортання застосунку та підвищення ймовірності виникнення помилок. Визначено, що використання технологій контейнеризації дає змогу реалізувати ізольоване середовище виконання застосунку та істотно підвищити його відтворюваність, портативність і надійність роботи. Розроблено вебзастосунок для управління заявками користувачів у сфері соціального захисту населення з повністю контейнеризованим його розгортанням на основі технології Docker та інструменту Docker Compose. Клієнтську частину вебзастосунку реалізовано засобами бібліотеки React та інструменту збірки Vite з використанням утиліти TailwindCSS для адаптивного інтерфейсу. Серверну частину вебзастосунку побудовано на середовищі виконання Node.js з фреймворком Express.js, ефективність роботи яких забезпечує REST API (англ. Representational State Transfer Application Programming Interface), JWT-автентифікацію, оброблення файлів засобами Multer та інтеграцію з AI-асистентом через хмарну інфраструктуру OpenAI API. Дані зберігаються у СУБД MySQL 8.0. Кожен компонент системи розгортається в окремому Docker-контейнері з оркестрацією через інструмент Docker Compose. Порівняльний аналіз ефективності різних підходів до розгортання вебзастосунку засвідчив, що контейнеризований підхід істотно перевершує традиційний за критеріями відтворюваності середовища виконання, ізоляції компонентів та швидкості його повторного розгортання. Тестування 44 випадків розгортання вебзастосунків підтвердило 100 % функціональність та надійність системи. Розроблене ПЗ можуть застосовувати органи місцевого самоврядування, соціальні служби та інші установи, що здійснюють приймання й оброблення заявок від населення в режимі онлайн. Упровадження контейнеризованого підходу до розгортання вебзастосунків є перспективним напрямом підвищення ефективності цифрової трансформації у сфері соціального захисту населення.

Вплив k-анонімності на продуктивність моделей машинного навчання: емпіричне дослідження

А. М. Вахула — 2026-06-25

Швидке зростання цифрових даних і широке використання методів машинного навчання моделей посилили занепокоєння щодо захисту персональної інформації. Анонімізація даних широко використовується для зменшення ризиків їх конфіденційності шляхом перетворення наборів даних перед аналізом. Однак, такі перетворення можуть зменшити корисність даних і негативно вплинути на продуктивність моделей машинного навчання. Проаналізовано вплив анонімізації даних на основі k-анонімності на продуктивність процесу класифікації даних з використанням набору даних Adult Income. У цьому наборі персональні дані було позначено як квазіідентифікатори, атрибути яких узагальнюються та пригнічуються для досягнення різних рівнів анонімності k = {5, 10, 20}, а моделі машинного навчання навчаються як на оригінальних, так і на анонімізованих наборах даних. Після навчання моделі оцінюються з використанням підмножини оригінального набору даних. Продуктивність кожного рівня k-анонімності в експерименті базується на accuracy, recall, precision та F1-score. Експериментальні результати демонструють, що збільшення рівня анонімізації призводить до поступового зниження прогностичної продуктивності моделей машинного навчання. Метрика точності прогнозування Accuracy зазнає тільки помірного впливу: воно знижується від 0,828-0,84 на оригінальному наборі даних і до 0,798-0,81 – на сильно анонімізованих даних. Істотніші зміни спостерігаються для метрик recall та F1-score: з 0,586-0,626 на оригінальному наборі даних до 0,435-0,555 – на сильно анонімізованих даних. Ці зміни вказують на втрату здатності моделей правильно ідентифікувати позитивні приклади, що погіршує продуктивність і надійність моделі. Водночас, помірні рівні анонімізації, у діапазоні k = 5-10, забезпечують розумний баланс між конфіденційністю даних і аналітичною їх корисністю. Отримані результати підтверджують існування компромісу між збереженням конфіденційності даних та продуктивністю моделей і вказують на важливість вибору відповідних параметрів їх анонімізації у процесах машинного навчання. З'ясовано, деякі моделі машинного навчання, такі як Gradient Boosting, продемонстрували кращу продуктивність на анонімізованих даних порівняно з іншими, що може допомогти обрати відповідний алгоритм для конкретного рівня анонімізації даних.

Математичне моделювання адаптивної інтелектуальної системи для персоналізованого навчання

Т. В. Ковалюк — 2026-06-25

Досліджено особливості персоналізації навчального процесу у вищій освіті засобами адаптивних інтелектуальних систем навчання (АІСН), що функціонують на основі технологій штучного інтелекту. Проаналізовано наявні підходи до моделювання стану та поведінки студента, формалізації предметної області та механізмів педагогічної адаптації в АІСН, зокрема – баєсівське відстеження знань BKT (англ. Bayesian Knowledge Tracing), теорію відповідей на завдання IRT (англ. Item Response Theory), глибоке відстеження знань DKT (англ. Deep Knowledge Tracing) на основі LSTM (англ. Long Short-Term Memory), графові нейронні мережі GNN (англ. Graph Neural Networks), методи навчання з підкріпленням RL (англ. Reinforcement Learning) та підхід контекстуальних бандитів. З'ясовано, що наявні підходи до моделювання адаптивного навчання мають обмеженість, зокрема – моделі стану та поведінки студента, предметної області і стратегій педагогічної адаптації до індивідуального темпу засвоєння знань та когнітивного навантаження студента розробляються фрагментарно і не об'єднані в єдину формалізовану структуру; більшість моделей навчального процесу охоплюють тільки окремі виміри студента без формалізації їх як єдиного динамічного вектора; у жодному з аналізованих досліджень не запропоновано інтегральної функції відповідності між профілем студента і характеристиками навчального матеріалу як самостійного математичного об'єкта. Наведено трикомпонентну математичну модель АІСН, що містить: динамічний профіль студента у вигляді багатовимірного вектора когнітивних, поведінкових та емоційних характеристик; статичний паспорт контенту з формалізованими педагогічними параметрами; інтегральну функцію подібності, яка визначає взаємодію між станом студента, навчальним матеріалом і логікою адаптивного вибору контенту. Розроблено алгоритм адаптивного замкненого циклу навчання, який забезпечує моніторинг когнітивно-поведінкового стану студента, ітераційне оновлення параметрів його профілю та автоматичне коригування навчальної траєкторії через функцію подібності з урахуванням багатовимірних показників результативності. Застосовано метод рандомізованого контрольованого A/B-експерименту для емпіричної перевірки ефективності запропонованої математичної моделі та реалізованого на її основі алгоритму адаптації на вибірці зі 60 студентів з певної дисципліни. Проведено експериментальне порівняння запропонованого підходу зі статичною стратегією навчання (фіксований силабус для всіх студентів) за п'ятьма показниками: точністю виконання завдань, ретенцією знань, рівнем завершення модулів, залученістю та когнітивним перевантаженням. Унаслідок проведеного експерименту встановлено, що адаптивний підхід до формування індивідуальної траєкторії навчання студента на основі його динамічного профілю статистично значуще перевищує статичний підхід за всіма показниками, зокрема – забезпечує приріст точності навчання на 8 %, покращення ретенції на 11 % та зниження когнітивного перевантаження на 44 %, що підтверджує ефективність запропонованої математичної моделі.

Методи попереднього оброблення багатомовних архівних рукописів у завданнях розпізнавання символів і тексту

Х. В. Ліп'яніна-Гончаренко — 2026-06-25

Проаналізовано методи попереднього оброблення зображень архівних рукописних документів у завданнях автоматизованого розпізнавання символів і тексту. Розглянуто еволюцію підходів від класичних глобальних порогових методів до складніших локально-адаптивних, комбінованих і сучасних нейромережевих рішень. Систематизовано основні класи методів попереднього оброблення зображень, зокрема – бінаризацію зображень, підсилення контрасту, приглушення шуму та морфологічнe оброблення зображень, а також узагальнено принципи їх функціонування та особливості застосування. Проведено порівняльний аналіз переваг та обмежень цих підходів за умов деградованих архівних документів, для яких характерні неоднорідний фон, просвічування, шум оцифрування, плями, вицвітання чорнила, локальні дефекти носія та часткові втрати штрихової структури тексту. Особливу увагу приділено проблемі оброблення багатомовних рукописів, у яких поєднуються різні графічні системи, що істотно ускладнює не тільки сегментацію тексту, а й подальше розпізнавання символів. Показано, що поряд із завданнями відокремлення тексту від фону критично важливим є збереження мікроструктури штриха, контурних характеристик, локальних потовщень, вигинів, а також дрібних графічних відмінностей між символами різних алфавітів. Встановлено, що більшість наявних методів орієнтовані переважно на покращення якості бінарної маски та не забезпечують достатнього збереження інформативних ознак графем, що може негативно впливати на результати подальшого розпізнавання та знижувати точність роботи систем OCR (англ. Optical Character Recognition) та HTR (англ. Handwritten Text Recognition). Визначено, що найперспективнішими серед класичних підходів є комбіновані методи, які поєднують локально-адаптивну бінаризацію зображень зі структурно-орієнтованим шумозаглушенням і врахуванням особливостей зображення. Обґрунтовано необхідність подальшого розвитку спеціалізованих методів попереднього оброблення зображень, орієнтованих не тільки на сегментацію тексту, а й на збереження структурних характеристик багатомовних архівних рукописів, урахування їх графічної варіативності та підвищення ефективності сучасних систем автоматизованого розпізнавання рукописного тексту.

Аналіз архітектурної еволюції та апаратно-орієнтованих вдосконалень засобів БПЛА для виявлення об'єктів у режимі реального часу

А. А. Піпіч — 2026-06-25

Проаналізовано особливості виявлення об'єктів програмно-апаратними засобами БПЛА у реальному часі у період з 2024 по 2026 роки. Досліджено критичний баланс між точністю розпізнавання об'єктів, швидкістю інференсу та енергоспоживанням за умов значних апаратних обмежень, що відповідають умовам розгортання засобів на БПЛА. Розглянуто еволюцію сучасних архітектур моделей розпізнавання об'єктів у режимі реального часу: від класичних CNN (YOLOv11) до парадигм, орієнтованих на механізми уваги (YOLOv12), та нативного NMS-free інференсу (YOLO26). Досліджено, як ці архітектури моделей комп'ютерного зору можуть стикатися із істотними інженерними викликами, такими як "важкі" архітектурні блоки, що створюють ризик переповнення пропускної здатності пам'яті на периферійних платформах базового рівня (Edge devices). Серед наявних наукових прогалин щодо виявлення об'єктів у режимі реального часу за допомогою БПЛА було виявлено дві основні проблеми. Перша пов'язана зі спостереженням, що орієнтовно для 90 % новітніх моделей (таких як YOLO12, YOLO26, TSS-YOLO та інших архітектур, оптимізованих під NMS-Free інференс) відсутні верифіковані дані про енергоефективність роботи апаратного забезпечення, якого потребує розготання такої моделі. Друга – це проблема залежності точності та швидкості розпізнавання від набору даних ("Dataset Dependency"): результати на загальних бенчмарках, таких як MS-COCO, не є безпосередньо порівнюваними зі спеціалізованими результатами аерофотознімання. Також у роботі наведено деякі спеціалізовані рішення, такі як RTUAV-YOLO та LiteCOD, розроблені для виявлення об'єктів у реальному часі на аерознімках з БПЛА. Вони використовують архітектурні особливості (зокрема динамічне генерування ваг моделей розпізнавання об'єктів та ефективну просторову увагу), щоб подолати значний 8-кратний розрив у продуктивності (TOPS) між різними рівнями апаратного забезпечення. Задля усунення зазначених розбіжностей оцінено ряд передових стратегій оптимізації архітектури моделей розпізнавання, враховуючи Парето-оптимізацію змішаної точності (PoMQ-ViT), апаратно-залежний пошук нейронних архітектур (NAS) та структурне видалення гілок (TSS-YOLO), яке згадується як дещо ефективніше за одне тільки стандартне квантування. Запропоновано здійснювати впровадження уніфікованого коефіцієнта складності (англ. Unified Complexity Coefficient) для вирішення проблеми нормалізації продуктивності моделей розпізнавання. Прогнозовано також зміщення фокусу уваги щодо виявлення об'єктів у режимі реального часу за допомогою БПЛА у бік адаптивних систем, орієнтованих на стиснення ("compression-first") вхідних даних, що зрештою може забезпечити для наступного покоління автономних повітряних платформ повноцінні автономність та незалежність роботи у режимі реального часу.

Застосування комбінації сімейства YOLOV12 та сегментаційних моделей для автоматизованого визначення водних видів біоресурсів

О. Т. Служала — 2026-06-25

Досліджено особливості застосування сучасних методів глибокого навчання для автоматизованого виявлення, розпізнавання та сегментації водних видів біоресурсів. Проаналізовано сучасні архітектури нейронних мереж для завдань комп'ютерного зору та оброблення зображень. Застосовано комбінацію моделей комп'ютерного зору YOLOv12 (англ. You Only Look Once 12) для високошвидкісної детекції об'єктів та Mask R-CNN (англ. Mask Region-based Convolutional Neural Network) для точної сегментації водних видів біоресурсів, інтегруючи обидві архітектури в єдиний конвеєр для підвищення їх точності та стійкості. Розроблено конвеєр дій щодо оброблення зображень, що містить етапи попереднього оброблення зображень, детекції об'єктів, сегментації водної біомаси та подальшого аналізу об'єктів. Проведено попереднє оброблення даних, що містило нормалізацію кольору, зменшення шуму та геометричні аугментації, такі як обертання, масштабування та випадкове обрізання, щоб покращити моделі для виявлення риби. Проведено навчання та тестування моделей на великих анотованих наборах зображень. Наведено результати оцінювання продуктивності моделей за допомогою метрик precision, recall, F1-score, mean average precision (mAP) та intersection-over-union (IoU). Встановлено, що інтегрований метод оброблення зображень з використанням комбінованої моделі перевищує продуктивність окремих моделей детекції об'єктів або сегментації водної біомаси. З'ясовано, що використання аугментацій та попереднього оброблення зображень істотно підвищує узагальнювальну здатність моделей та зменшує кількість помилкових спрацьовувань. Введено метод визначення морфометричних показників на основі сегментованих об'єктів. Встановлено, що отримані морфометричні показники дають можливість надійно оцінювати довжину, ширину та площу риб. Проведено результати оцінювання впливу розміру навчальної бази водної біомаси, якості даних та стратегій аугментації на точність роботи моделей, показано, що ретельно спроєктовані конвеєри даних істотно покращують стабільність детекції об'єктів та точність сегментації водної біомаси. Розроблено програмний модуль автоматизованого аналізу зображень, який забезпечує визначення розмірних характеристик об'єктів та можливість подальшого використання результатів для оцінювання водної біомаси. Наведено результати експериментальної перевірки комбінованої моделі аналізу зображення, які підтверджують ефективність запропонованого підходу та можливість його використання в автоматизованих системах моніторингу та обліку рибних ресурсів.

Модель та засоби синтезу тривимірного зображення користувача з використанням лінійної регресії

Б.-Ю. В. Яцків — 2026-06-25

Досліджено проблему автоматизованого синтезу тривимірних зображень користувача на основі набору стандартних двовимірних зображень фотографій. Встановлено, що складністю у цьому процесі є втрата просторової інформації під час фіксації об'єкта на плоскому знімку, що потребує залучення математичних інструментів для відновлення геометрії. Розроблено та наведено ефективний метод генерування просторових структур, що поєднує сучасні алгоритми комп'ютерного зору з передовими підходами математичної інтерполяції даних. Проаналізовано етапи попереднього оброблення зображень та з'ясовано критичну необхідність безпомилкового визначення антропометричних маркерів на обличчі людини. Для надійного розпізнавання обличчя та точного виділення його 68 ключових точок застосовано функціонал бібліотеки OpenCV спільно з алгоритмом машинного навчання DLIB (англ. Dlib C++ Library). Проведено перетворення багатовимірних наборів даних у лінійну форму для удосконалення їх подальшого аналізу. Застосовано алгоритм локальних лінійних відображень LLE (англ. Low-Level Emulation – емуляція низького рівня), що дав змогу істотно знизити розмірність простору ознак, гарантовано зберігши локальну топологічну структуру вхідних даних та мінімізувавши загальні обчислювальні витрати. Запропоновано новий спосіб корекції базової тривимірної моделі обличчя шляхом інтеграції індивідуальних параметрів користувача. Для цього застосовано метод просторової інтерполяції – тривимірний кригінг. З'ясовано, що цей геостатистичний спосіб просторової інтерполяції з високою точністю інтерполює значення просторової відстані для невідомих точок поверхні на основі виявлених маркерів та обчислює масив тривимірних зміщень для кожної вершини сітки. Фінальну побудову неперервної полігональної тривимірної поверхні реалізовано за допомогою алгоритму кульового обертання BPA (англ. Ball Pivoting Algorithm), який забезпечив створення якісної 3D-моделі без топологічних дефектів. Розроблено спеціалізований мобільний застосунок, який реалізує створений алгоритмічний конвеєр та автоматично генерує готові 3D-моделі. Досліджено придатність отриманих результатів для їх прямої інтеграції у сучасні цифрові екосистеми. Встановлено ефективність використання згенерованих об'єктів у середовищах віртуальної реальності, системах комп'ютерної анімації та різноманітних завданнях цифрового моделювання.

Концептуальна модель NLP-системи та NLP-застосунок сентимент-аналізу відгуків користувачів послуг операторів мобільного зв'язку в Україні

П. П. Маслянко — 2026-06-25

Завдання та задачі з оброблення природної мови спрямовані на вирішення широкого класу наукових та прикладних завдань. З'ясовано, що систематизація таких завдань окреслює конкретні напрями проведення пошукових етапів дослідження, теоретичних та прикладних розробок в області NLP (англ. Natural Language Processing), насамперед таких, що найбільше обговорюють і дискутують в інженерній спільноті та R&D (англ. Research and Development) компанії. Зокрема – сегментація тексту і його морфологічний аналіз, синтаксичний і семантичний аналіз, машинний переклад і генерування тексту, сентимент-аналіз (або аналіз тональності тексту) і вибірковий пошук та аналіз інформації, а також багато інших прикладних застосувань. Встановлено, що актуальною є проблема дослідження та розроблення певних аксіоматичних інструментів подання NLP-систем на основі системного підходу та системної інженерії. Результат такого подання – науково обґрунтована концептуальна модель NLP-системи. Для розроблення концептуальної моделі NLP-системи було застосовано метод системної інженерії інформаційно-комунікаційних систем на основі бізнес-профілю Еріксона-Пенкера. Цей метод дає змогу формалізувати NLP-систему у вигляді множини конкретних іменованих класів сутностей, визначити проблеми, задачі і завдання NLP-системи, мету, ресурси, процеси і бізнес-правила, на основі яких така NLP-система функціонує. Така концептуальна модель NLP-системи упорядковує і систематизує потрібну і достатню множину класів сутностей і відношення між ними. Концептуальна модель NLP-системи дає змогу розробити структурне та динамічне подання моделі конкретної NLP-системи, показати внутрішню структуру її компонентів та інтерфейсів взаємодії між ними для вирішення конкретного класу завдань. Показано приклад застосування концептуального моделювання для розроблення концептуальної моделі NLP-системи та застосунку сентимент-аналізу (англ. Sentiment Analysis) відгуків користувачів послуг операторів мобільного зв'язку в Україні, проведено верифікацію та валідацію роботи застосунку. Перспективи подальших досліджень спрямовані на вдосконалення концептуальної моделі NLP-систем та розроблення методик системної інженерії NLP-систем для вирішення конретних класів завдань оброблення та аналізу природної мови.

Підвищення точності визначення координат джерела звуку за допомогою гібридної нейромережевої моделі з урахуванням атмосферних параметрів

С. П. Сідлецький — 2026-06-25

Розроблено інтелектуальну систему акустичної локалізації джерела звуку на основі гібридної нейромережі з адаптивним зважуванням ознак, що забезпечує підвищену точність визначення координат джерела звуку за умов шуму та невизначеності. Сформовано простір ознак на основі різниці тривалості приходу сигналу TDoA (англ. Time Difference of Arrival) та параметрів навколишнього середовища – температури, вологості та швидкості вітру, які враховують зміни швидкості поширення звуку за реальних умов експлуатації акустичної системи. Побудовано штучне навчальне середовище, яке дає змогу генерувати різноманітні акустичні сценарії та імітувати роботу сенсорної мережі за контрольованих фізичних умов з урахуванням випадкових похибок вимірювань. Реалізовано гібридну архітектуру нейромережевої моделі, що поєднує багатошаровий персептрон MLP (англ. Multilayer Perceptron) та механізм уваги, який забезпечує адаптивне виділення найінформативніших компонентів вхідного сигналу та знижує вплив шумових складових на точність прогнозування просторових координат. Введено механізм softmax-нормалізації вагових коефіцієнтів прихованого подання моделі, що дає змогу моделі динамічно перерозподіляти інформаційну вагомість ознак залежно від поточних акустичних умов та рівня зашумленості середовища. Застосовано алгоритм навчання моделі на основі мінімізації середньоквадратичної похибки з використанням оптимізатора Adam, що забезпечило стабільну збіжність моделі у регресійній постановці завдання. Проведено порівняльне оцінювання запропонованої гібридної моделі Hybrid та класичної моделі MLP за ключовими метриками їхньої якості на синтетичних наборах даних із різними рівнями шуму. Встановлено, що функція втрат зменшилась на 29,1 %, середньоквадратична похибка – на 30,2 %, медіанна похибка локалізації джерела звуку – на 11,2 %, стійкість до шуму підвищилась на 28,2 %. З'ясовано, що показник узагальнення зменшився на 56,9 %, що свідчить про істотне зниження перенавчання моделі та підвищення здатності моделі до роботи з новими даними. Підтверджено ефективність механізму уваги як адаптивного фільтра сигналу, що підсилює інформативні компоненти та пригнічує шумові. Показано, що запропонована масштабована архітектура нейромережевої моделі зберігає обчислювальну ефективність і може застосовуватись у системах безпеки, екологічного моніторингу та автономної робототехніки.

Спектральний аналіз та параметричний синтез багатошарових оптичних структур з адаптивною організацією обчислювальних процесів

Ю. Ю. Білак — 2026-06-25

Досліджено особливості засобів організації обчислювальних процесів у задачах спектрального аналізу та параметричного синтезу багатошарових тонких плівок. Застосовано методи математичного моделювання, методи хвильової оптики, зокрема – метод матриць передачі та його узагальнення, чисельні методи розв'язання обернених задач спектроскопії, а також ітераційні алгоритми оптимізації параметрів багатошарових структур з елементами адаптивного керування обчислювальними процесами. Встановлено, що використання ізольованих чисельних методів у задачах спектрального аналізу та параметричного синтезу багатошарових тонких плівок обмежується високою обчислювальною складністю та чутливістю до варіацій вхідних даних. Виявлено доцільність інтеграції фізичних, чисельних і нейромережевих моделей у межах єдиного обчислювального середовища для підвищення точності та ефективності ідентифікації параметрів багатошарових структур. Запропоновано засоби організації обчислювальних процесів, що забезпечують адаптивний вибір чисельних моделей спектрального аналізу, алгоритмів оптимізації та параметрів обчислення, залежно від характеристик задачі аналізу та синтезу. Охарактеризовано структуру інформаційної технології спектрального аналізу та параметричного синтезу у вигляді впорядкованої системи з узгодженими множинами даних, моделей хвильового та спектрального аналізу, алгоритмів оптимізації параметрів, обчислювального середовища та засобів адаптивного керування обчислювальними процесами. З'ясовано, що використання засобів адаптивного вибору інформативної спектральної області та динамічного уточнення параметрів обчислення дає змогу зменшити розмірність задачі аналізу спектральних характеристик за рахунок виділення інформативної спектральної області та підвищити стійкість розв'язання обернених задач ідентифікації параметрів. Проведено різні спостереження обчислювального експерименту (понад 120 сценаріїв), внаслідок яких встановлено зниження середньої похибки ідентифікації параметрів багатошарових тонких плівок до 2,3 % порівняно з 3,9-5,8 % для альтернативних способів. Оцінено вплив засобів адаптивного керування обчислювальними процесами на ефективність обчислень, що проявляється у скороченні тривалості виконання до 35 % та зменшенні кількості ітерацій до 12-15. Виявлено підвищення швидкості збіжності ітераційних алгоритмів параметричного синтезу багатошарових тонких плівок та зниження чутливості результатів до варіацій вхідних даних. З'ясовано, що інтеграція нейромережевих компонентів забезпечує пришвидшення обчислювальних процедур і покращення узагальнювальної здатності моделей спектрального аналізу та параметричного синтезу. Отримані результати підтверджують ефективність розроблених засобів організації обчислювальних процесів та доцільність їх застосування для розв'язання складних обернених задач спектроскопії. Подальші дослідження доцільно спрямувати на розширення застосування розробленої інформаційної технології та засобів організації обчислювальних процесів для нелінійних і неоднорідних структур та поглиблення інтеграції з нейромережевими архітектурами.

Використання смарт-контрактів в інформаційній системі обліку торгівлі зброєю

Н. Е. Кунанець — 2026-06-25

Досліджено проблему підвищення ефективності, безпеки та прозорості інформаційних систем обліку торгівлі зброєю в умовах посилення регуляторного контролю та зростання вимог до правомірності транзакцій. Обґрунтовано актуальність застосування сучасних децентралізованих підходів, зокрема – технології блокчейн і смарт-контрактів, для забезпечення надійного обліку операцій, мінімізації ризиків незаконного обігу зброї та підвищення рівня довіри до інформаційних систем у критично важливих середовищах. Запропоновано багаторівневу архітектуру інформаційної системи, що інтегрує мікросервісний підхід із блокчейн-інфраструктурою та забезпечує розподілене зберігання даних, їх незмінність і відстежуваність. Розроблено метод формалізованої перевірки умов правомірності транзакцій на основі кон'юнктивної логічної моделі, відповідно до якої виконання операції можливе тільки за умови одночасного дотримання всіх встановлених нормативних вимог. Смарт-контракти реалізовано як ключовий механізм автоматизованого контролю, який забезпечує превентивну валідацію транзакцій, мінімізує вплив людського фактора та підвищує достовірність ухвалення управлінських рішень. Проведене експериментальне дослідження на основі імітаційного моделювання підтвердило ефективність запропонованого підходу: точність визначення правомірності транзакцій становить 0,98–0,99, ймовірність виявлення некоректних операцій перевищує 0,97, а тривалість оброблення транзакцій змінюється в допустимих межах і зростає лінійно залежно від кількості умов перевірки. Встановлено компроміс між рівнем безпеки та продуктивністю системи, що зумовлює необхідність оптимізації структури смарт-контрактів. Новизна результатів дослідження полягає в інтеграції смарт-контрактів як механізму формалізованого контролю правомірності транзакцій у системах обліку торгівлі зброєю. Практична значущість результатів визначається можливістю їх застосування в інформаційних системах контролю обігу зброї та інших критичних середовищах, що потребують високого рівня довіри, прозорості та автоматизації контролю.

Проблеми та перспективи використання неструктурованих даних

О. Р. Стасьо — 2026-06-25

Проаналізовано неструктуровані дані, сучасні підходи до їх оброблення, а також визначено проблеми і перспективи їх використання в інформаційних системах, зокрема у сфері надзвичайних ситуацій (НС). Виявлено, що неструктуровані дані становлять переважну частину сучасних інформаційних ресурсів і є потенційно цінним джерелом знань для аналізу та прогнозування настання подій. Встановлено, що стрімке зростання обсягів неструктурованих цифрових даних, їх різнорідність і відсутність уніфікованої структури істотно ускладнюють застосування традиційних методів їх оброблення та інтеграції в аналітичні системи. З'ясовано, що класичні підходи до виявлення та відбору знань, орієнтовані на структуровані дані, не забезпечують належної ефективності під час роботи з неструктурованою інформацією. Оцінено вплив ключових проблем на ефективність аналітичного використання неструктурованих даних, серед яких визначено семантичну неоднозначність, інформаційний шум, недостатню якість і актуальність даних, а також обмеженість наявних технологічних рішень. Охарактеризовано особливості використання неструктурованих даних у сфері НС, де вони виступають джерелом оперативної інформації для аналізу, моніторингу та прогнозування критичних подій. Систематизовано основні напрями застосування методів оброблення природної мови, машинного навчання, когнітивного аналізу та логічного моделювання для перетворення неструктурованої інформації у форму, придатну для подальшого аналітичного опрацювання. Узагальнено роль неструктурованих даних у доповненні офіційних джерел інформації, уточненні просторово-часового контексту подій і підвищенні оперативності реагування на загрози. Встановлено, що ефективне використання неструктурованих даних потребує комплексного підходу, який поєднує методи оброблення природної мови, машинного навчання, когнітивного аналізу та логічного моделювання. З'ясовано, що перспективним напрямом подальшого використання неструктурованих даних у сфері НС є створення інтегрованих інформаційних систем, здатних забезпечити збирання, оброблення та структуризацію даних з різнорідних джерел у режимі реального часу, що підвищує ефективність роботи систем підтримки прийняття рішень (СППР) у сфері НС. Обґрунтовано доцільність проведення подальших досліджень, спрямованих на розроблення масштабованих архітектур інформаційно-аналітичних систем і гібридних аналітичних підходів до оброблення неструктурованих даних для використання неструктурованих даних у критично важливих сферах.