Browsing by Author "Березюк, Микита Олександрович"

Now showing 1 - 4 of 4

Властивості методів обробки та отримання даних в тест-методах хімічного аналізу
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Гуда, Антон Ігоревич; Березюк, Микита Олександрович
UKR: Сканерна індикація аналітичного сигналу в хімічному аналізі –це об’єктивний, швидкий і автоматизований спосіб оцінки кольорових характеристик забарвлених зразків. Використання сканерної індикації при отриманні АС позбавляє від помилок, пов'язаних із суб'єктивною оцінкою та допомагає людям з вадами кольорового зору, прискорює операції збору та обробки інформації. Врахування та контроль джерела світла в скануючих системах є ключовим для забезпечення стабільності та точності отриманих зображень у різних умовах освітлення. Для отримання аналітичного сигналу першочергово необхідно обробити зображення для отримання області інтересу, який визначається методом сегментації, ручним методом та використовуючи ШІ. Аналіз отриманих значень проводиться шляхом побудови лінійної або нелінійної залежності значення кольору в обраній кольоровій моделі приведений до єдиного значення АС до концентрації.
Контекстно залежна адаптація відповідей генеративних LLM
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Березюк, Микита Олександрович; Гуда, Антон Ігорович
UKR: В умовах кризових ситуацій оперативність реагування набуває вирішального значення. Великі мовні моделі (LLM) здатні генерувати корисні рекомендації, однак їх стандартна поведінка часто не враховує специфічний контекст надзвичайних подій. У цій доповіді пропонується Adaptive Injectable Realignment Model (Adaptive IRM) як підхід для досягнення контекстно залежної генерації відповідей. Adaptive IRM – це невеликий нейронний модуль, який інтегрується у прямий прохід LLM та ін’єктує контекстні сигнали для корекції внутрішніх представлень моделі без зміни її основних ваг. Наша розробка орієнтована на кризовий контекст, з використанням N нейронів (у нашому випадку N = 4), які відповідають за стихійні лиха (землетрус, повінь, пожежу та ураган). Вихідні сигнали Adaptive IRM, які додаються на різних шарах трансформера, модифікує механізми уваги з метою підсилення інформації, релевантної конкретному контексту. У доповіді окреслено архітектуру IRM, описано запропоновані розширення, а також подано план використання датасету HumAID для навчання Adaptive IRM. Експериментальні результати поки відсутні; натомість, обговорено концепцію, мотивацію та перспективи впровадження запропонованої системи.
Метод побудови кризово-контекстного датасету для верифікації Adaptive IRM
(Український державний університет науки і технологій, ННІ «Дніпровський металургійний інститут», ІВК ≪Системні технології≫, Дніпро, 2026) Березюк, Микита Олександрович; Гуда, Антон Ігоревич
UKR: Ця робота присвячена не експериментальному підтвердженню ефективності Adaptive IRM, а побудові спеціалізованого кризово-контекстного датасету, який робить таку перевірку можливою в коректній постановці. У статті запропоновано метод перетворення кризових повідомлень із HumAID у пари виду «абстрактний запит – кризово-залежна відповідь», де питання навмисно очищується від прямих маркерів лиха, а правильна інтерпретація потребує відновлення прихованого контексту події. Такий дизайн відрізняється від переважних у crisis informatics задач tweet-level classification, informativeness detection, humanitarian categorization і multimodal crisis annotation, для яких призначені HumAID, CrisisBench, AIDR, TREC-IS і CrisisMMD [1, 2, 3, 4, 5, 6]. У результаті роботи сформовано датасет обсягом 41 152 записи за п'ятьма категоріями кризових подій; під час генерації питань використовувалася схема primary generation -> retry generation -> fallback, причому fallback було задіяно у 1 432 випадках, що становить 3.48% корпусу. Як наступний етап пропонуються формалізована ручна валідація, автоматична retrieval-style перевірка семантичної узгодженості, event-disjoint split на рівні подій HumAID, реалізація Adaptive IRM і порівняння LLM-baseline, LLM+Adaptive IRM, RAG і PEFT-baselines із розширеним набором автоматичних і ручних метрик [7, 8, 9, 10, 11, 12, 13, 14, 15].
Створення кризово-залежного датасету для Adaptive IRM
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Березюк, Микита Олександрович; Гуда, Антон Ігорович
UKR: У кризових ситуаціях великі мовні моделі (LLM) мають потенціал допомагати у формуванні порад та рекомендацій, однак їх стандартна поведінка часто ігнорує специфіку події. Це знижує релевантність і може становити ризик у критичних ситуаціях. У роботі представлено підхід до створення спеціалізованого датасету для навчання та оцінки Adaptive IRM – модуля, який інжектує прихований кризовий контекст у LLM. За основу взято корпус HumAID із твітами про стихійні лиха, для яких згенеровано абстрактні запитання без прямої згадки події. Сформований набір (~41 тис. прикладів) дозволяє перевіряти, чи здатні моделі з Adaptive IRM давати відповіді, що відрізняються залежно від типу кризи, підвищуючи їх релевантність і безпечність.