Міжнародна науково-технічна конференція «Інформаційні технології в металургії та машинобудуванні. ІТММ'26»

Permanent URI for this collectionhttps://crust.ust.edu.ua/handle/123456789/22401

ENG: Scientific and Technical International Conference «Information Technology in Metallurgy and Machine Engineering. ITMM'26», April 21-23, 2026

Browse

Now showing 1 - 19 of 19

Застосування методів машинного навчання для виявлення аномалій у мережевому трафіку
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Малієнко, Станіслав Євгенович; Селівьорстова, Тетяна Віталіївна
UKR: У роботі досліджено ефективність методів машинного навчання для виявлення аномалій у мережевому трафіку. Проаналізовано основні підходи до побудови інтелектуальних систем виявлення вторгнень (IDS), зокрема сигнатурний аналіз та методи на основі машинного навчання. Виконано експериментальне порівняння алгоритмів Random Forest, Support Vector Machine, k-Nearest Neighbors та багатошарового перцептрона на датасеті NSL-KDD. Оцінку якості класифікації проведено за метриками Accuracy, Precision, Recall та F1-score. Результати показали, що метод Random Forest забезпечує найкращий баланс точності та швидкодії для задач виявлення мережевих аномалій у режимі реального часу. Визначено перспективи застосування ансамблевих методів та глибокого навчання для підвищення якості детектування кіберзагроз.
Математичні моделі моніторингу динаміки змін та забруднення водних об’єктів на основі супутникових даних
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Кавац, Юрій Віталійович; Кавац, Олена Олександрівна; Фененко, Тетяна Михайлівна; Рой, Дмитро Миколайович
UKR: У дослідженні запропоновано методологічний підхід до комплексного супутникового моніторингу водних ресурсів на основі інтеграції двох математичних моделей. Особливу увагу приділено застосуванню моделей у межах складних посткатастрофічних ландшафтів, зокрема території колишнього Каховського водосховища. Гетерогенність таких зон, що поєднують оголені мулові поверхні, заболочені масиви та молоду рослинність, зумовлює високу спектральну неоднорідність і ускладнює автоматизоване виділення води. Перша модель базується на синергії оптичних і радарних даних для точного картування меж водойм в умовах різкої варіації характеристик підстилаючої поверхні. Для підвищення точності поєднано адаптивні спектральні індекси з методами машинного навчання. Друга модель орієнтована на оцінку ступеня забруднення поверхневих вод. Використання різночасових супутникових даних дозволяє аналізувати просторово-часову динаміку об’єктів та встановлювати взаємозв’язки між трансформацією ландшафтів і рівнем їх екологічного навантаження, забезпечуючи стійкість моніторингу до впливу зовнішніх чинників.
Інтеграція нечіткої логіки в генеративно-змагальну мережу TimeGAN для прогнозування фінансових часових рядів
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Перцев, Юрій Олексійович; Коротка, Лариса Іванівна
UKR: Розглянуто проблему фіксованої довжини вікна спостереження у генеративно-змагальній мережі TimeGAN та запропоновано метод її вирішення через інтеграцію нечіткого регулятора параметра k. На відміну від детермінованого підбору гіперпараметрів, нечіткий модуль Φ: S → K = {10,…,60} динамічно адаптує k залежно від поточного ринкового режиму, що характеризується вектором з чотирьох індикаторів: риночної волатильності, нормованого нахилу лінійної регресії, нормованого обсягу торгів відносно ковзного середнього та волатильності сентименту новин. Описано архітектурні зміни у функції вбудовування TimeGAN, необхідні для інтеграції змінного вікна, та підтверджено ефективність підходу на двох активах (S&P 500, AAPL) за 2019–2025 р. MAE знизився на 16,4% для S&P 500 та на 12,9% для AAPL порівняно з базовим TimeGAN при фіксованому k.
Аналіз методів водного балансу вологості грунтів за супутниковими даними
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Кавац, Юрій Віталійович; Кавац, Олена Олександрівна; Олексієнко, Микита А.
UKR: У роботі узагальнено підходи до оцінки водного балансу та вологості ґрунтів на основі даних дистанційного зондування Землі та проаналізовано їх адаптацію для умов України. Показано, що внаслідок кліматичних змін і руйнування водної інфраструктури водний баланс набуває критичного стану, а традиційні спостереження є просторово обмеженими. Розглянуто оптичні, теплові та мікрохвильові методи, а також підходи даунскейлінгу для інтеграції супутникових даних різної роздільної здатності. Обґрунтовано доцільність мультиметодного підходу, що поєднує NDVI/NDWI, LST, SAR (Sentinel-1), SMAP та ERA5-Land для отримання просторово-суцільних оцінок. Відзначено потенціал Google Earth Engine для обробки часових рядів та автоматизації моніторингу. Визначено перспективність застосування методів машинного навчання для картування водного балансу.
Методологія підготовки датасету для навчання моделей виявлення шахрайства в електронній комерції
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Носов, Валерій Олександрович; Островська, Катерина Юріївна
UKR: У дослідженні розглянуто проблему підготовки тренувальних даних для систем виявлення шахрайства в транзакціях електронної комерції на основі методів машинного навчання. За результатами аналізу існуючих відкритих джерел обґрунтовано необхідність створення спеціалізованого набору даних. Запропоновано автоматизований конвеєр об’єднання трьох відкритих наборів даних з платформи Kaggle (IEEE-CIS, Sparkov, Fraudulent E-Commerce) зі збереженням реальних міток шахрайства та збагаченням записів синтетичними атрибутами, адаптованими до специфіки українського платіжного ринку. Опрацьовано методи рівномірної нормалізації часових міток, генерації автентифікаційних даних та розбиття на платіжні системи, формування агрегованих профілів клієнтів та пар для навчання моделі IP Insights. Результатом є набір із 500000 транзакцій за 24 місяці з рівнем шахрайства 3,04%, призначений для навчання конвеєра моделей, до яких входять LightGBM, автоенкодер та IP Insights.
Метод інтелектуального моніторингу та оптимізації ресурсів ІТ-інфраструктури на основі машинного навчання
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Самуськов, Олександр Д.; Островська, Катерина Юріївна
UKR: У роботі проведено аналіз сучасних підходів до моніторингу та управління навантаженням в ІТ-інфраструктурах. Розглянуто обмеження традиційних реактивних методів та обґрунтовано доцільність переходу до інтелектуальних систем класу AIOps. Запропоновано концепцію методу моніторингу, що базується на використанні алгоритмів машинного навчання (зокрема моделей LSTM та нейро-нечітких мереж) для проактивного прогнозування часових рядів навантаження. Окрему увагу приділено інтелектуальному балансуванню ресурсів у хмарних та мікросервісних середовищах, що дозволяє мінімізувати затримки та оптимізувати витрати на інфраструктуру. Отримані результати можуть бути використані при розробці адаптивних систем автоматичного масштабування.
Application of the GoldenRAM AI Platform for Monitoring Mining Activities Using Earth Observation Data
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Kavats, Olena O.; Sergieieva, Kateryna L.; Matselyukh, T. B.
ENG: This paper analyzes the potential of Earth remote sensing data and artificial intelligence for monitoring mining sites. The study investigates the remote assessment of the value of the deposit using multispectral imagery, time-series data, and digital elevation models. Particular attention is paid to the GoldenRAM platform, which ensures synergy between satellite data, GIS, and machine learning for automated change detection. The core innovation of this study lies in the implementation of the Artificial Intelligence Knowledge Processors (AIKP) approach, which serves as a modular foundation for a fundamental system development architecture. This methodology enables seamless integration of AI-assisted development and advanced geospatial analytics, producing a reliable framework for cross-domain monitoring. Integrating these technologies facilitates continuous remote monitoring, dynamic quarry assessment, and verification of extraction volumes. The proposed approach is highly relevant for monitoring areas with limited physical access and can be adapted for environmental analysis systems in industrial regions of Ukraine.
Використання історичних даних для підвищення точності виявлення сміттєзвалищ на аерокосмічних знімках
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Литвинов, Єгор В.; Гнатушенко, Володимир Володимирович; Гнатушенко, Вікторія Володимирівна
UKR: У роботі розглянуто можливості використання історичних супутникових даних для підвищення точності виявлення несанкціонованих сміттєзвалищ на аерокосмічних знімках. Показано, що для таких об’єктів часовий контекст має важливе діагностичне значення, оскільки сміттєзвалища формуються поступово та проявляються не лише у спектральних характеристиках поточної сцени, а й у динаміці змін земної поверхні. Проаналізовано підходи satellite image time series, change detection, моделі часових рядів, а також history prior map. Обґрунтовано, що найбільш перспективним є гібридний підхід, у якому первинне виявлення виконується YOLO-подібним детектором, а подальше уточнення здійснюється за допомогою історичних даних, карт змін і агентно-ознакової моделі. Така схема дозволяє підвищити стійкість виявлення, зменшити кількість хибнопозитивних спрацьовувань і забезпечити кращу інтерпретованість результатів екологічного моніторингу.
Забезпечення цілісності даних у системах вантажних перевезень з нестабільним з'єднанням: DAG-реєстр як інструмент відкладеної синхронізації
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Велегура, Євгеній Анатолійович; Горячкін, Вадим Миколайович
UKR: У роботі розглядається актуальна проблема забезпечення консистентності та незмінності логістичних даних в умовах переривчастого зв'язку, що є характерним для вантажних перевезень. Досліджено обмеження класичних блокчейн-протоколів у контексті теореми CAP при роботі в динамічних транспортних мережах. Обґрунтовано перехід від лінійних структур реєстру до направлених ациклічних графів (DAG), що дозволяє паралельно записувати події різними вузлами системи. Запропоновано архітектурне рішення, що включає двошарову CRDT-модель синхронізації стану та дворівневий адаптивний gossip-протокол з proximity-комунікацією між транспортними засобами. Такий підхід покликаний забезпечити кінцеву узгодженість системи без втрати доступності даних при розділенні мережі.
Інформаційно-комунікаційна система для абітурієнтів
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Бутов, Максим В.; Куроп’ятник, Олена Сергіївна
UKR: У роботі запропоновано використання інформаційно-комунікаційної системи для абітурієнтів. Система включає у себе чат-бот, адміністративну панель та базу даних. Передбачено систему ролей користувачів. На етапі проектування для визначення поведінки та структури системи використовувалися діаграми станів та компонентів. Для забезпечення масштабованості та зручності підтримки було застосовано модульний підхід з розділенням відповідальностей. Для оцінки продуктивності систему було реалізовано з використанням двох різних технологічних стеків. Перший стек: React + ElysiaJS(TypeScript) + PrismaORM + хмарна база Neon(PostgreSQL). Другий стек: Go з веб-фреймворком Gin та локально розгорнутою базою PostgreSQL у Docker-контейнері. Тести продуктивності показали, що стек на основі Go пропонує вищу ефективність виконання. У подальшому передбачається наповнення системи контентом та перехід до дослідної експлуатації.
ШІ-підходи пояснення супутникових знімків
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Бубнов, Микола С.; Гнатушенко, Володимир Володимирович; Гнатушенко, Вікторія Володимирівна
UKR: У роботі розглянуто сучасні підходи пояснюваного штучного інтелекту (Explainable Artificial Intelligence, XAI), що застосовуються для інтерпретації та обробки супутникових і аерокосмічних знімків у задачах дистанційного зондування Землі. Проаналізовано основні класи XAI-методів, зокрема атрибуцію ознак, дистиляцію моделей, внутрішньо інтерпретовані підходи та контрастивні пояснення, принципи їх роботи, переваги, обмеження та обчислювальні особливості. Наведено приклади практичного використання XAI для моніторингу природних катастроф, агромоніторингу, оцінки соціально-економічних індикаторів, класифікації землекористування та аналізу мультимодальних даних. Зроблено висновок, що XAI є важливим інструментом для підвищення надійності, прозорості та прийнятності результатів моделей штучного інтелекту у критично важливих прикладних застосуваннях.
Моделювання DAG-структур робочих навантажень
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Андрющенко, Вадим Олександрович; Танасієнко, Дмитро О.
UKR: Запропоновано конструкційну модель породження DAG-структур робочих навантажень для тестування планувальників кластерів Kubernetes. Модель базується на апараті узагальненого конструктора та спеціалізує його компоненти для предметної області направлених ациклічних графів задач. Формалізовано механізм підстановки як частковий випадок контекстно-вільної графової граматики із заміною вузлів з чотирма типами правил: атрибутування, підстановка підграфа, реплікація та алгоритмічна генерація. Введено систему атрибутів, що розширює ідеї атрибутних граматик Кнута на графові структури. Доведено збереження ацикличності при кожній підстановці та завершимість процесу породження. Конструктор реалізовано мовою Python з декларативним YAML DSL. Експериментально підтверджено практичну придатність моделі на множині з 100 породжених DAG.
Ризики використання систем виявлення мережевих вторгнень як джерела навчальних міток для нейромереж
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Горбатов, Віталій Сергійович; Журба, Анна Олексіївна
UKR: Використання сповіщень систем виявлення мережевих вторгнень (NIDS) як навчальних міток для моделей машинного навчання спричиняє виникнення систематичних похибок, що суттєво погіршують точність виявлення загроз. У дослідженні проаналізовано розбіжності між фактичними мережевими атаками та спрацюваннями сигнатурних аналізаторів, з акцентом на трьох критичних викликах: однобічній похибці маркування, самопідсиленні помилок у середовищах безперервного навчання та вразливості до навмисного отруєння даних. Зокрема, неспроможність традиційних систем ідентифікувати загрози нульового дня призводить до забруднення негативного класу, в якому пропущені атаки помилково класифікуються як безпечний трафік. Для мінімізації цих ризиків розглянуто стратегії нейтралізації, зокрема навчання на позитивних і немаркованих даних (PU-learning), слабке керування навчанням та механізми фільтрації за рівнем довіри. Впровадження надійних протоколів перевірки та методів буферизації забезпечує достовірніше виявлення вторгнень і підвищує стійкість нейромереж до мінливих кіберзагроз у динамічних середовищах.
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.
Концептуальні основи виявлення аномалій у промислових інформаційних системах з використанням машинного навчання
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Довидовський, Едуард О.; Гуда, Антон Ігорович; Селівьорстова, Тетяна Віталіївна
UKR: У роботі розглянуто підходи до виявлення аномалій у промислових інформаційно-управляючих системах із використанням методів машинного навчання. Проаналізовано особливості функціонування сучасних виробничих середовищ та пов’язані з ними ризики інформаційної безпеки, що виникають у процесі цифрової трансформації промисловості та інтеграції інформаційних технологій у виробничі процеси. Основну увагу приділено моделям неконтрольованого навчання, які дозволяють формувати узагальнене уявлення про нормальний стан системи без попереднього маркування даних. Розглянуто принцип роботи автоенкодера як інструмента виявлення відхилень на основі аналізу помилки реконструкції. Запропоновано узагальнену концептуальну схему виявлення аномалій, що базується на порівнянні фактичних і відновлених значень параметрів та дозволяє інтерпретувати відхилення як потенційні порушення нормального функціонування системи. Робота має теоретичний характер і спрямована на систематизацію існуючих підходів.
Декомпозиція онтологій та графів знань через відношення нульового порядку
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Галушка, Олександр Валентинович; Шинкаренко, Віктор Іванович
UKR: Графи знань та онтології оперують структурно гетерогенними висловлюваннями – бінарними триплетами, n-арними реіфікованими відношеннями, вкладеними фактами – що ускладнює їх обробку нейромережевими моделями. У роботі запропоновано декомпозицію довільного онтологічного висловлювання до єдиного примітиву – анонімного спрямованого зв'язку нульового порядку (). Предикат переноситься з ребра у вузол, і граф стає однорідним: усі елементи є вузлами, з'єднаними єдиним типом ребра. Декомпозиція спирається на два принципи: ролеву нейтральність концептів, за якою розрізнення «концепт» і «відношення» є контекстуальним, та рекурсивний порядок висловлювання, що формалізує структурну складність. Показано, що r₀-декомпозиція виконує для графів знань роль, аналогічну токенізації для текстів: перетворює гетерогенну структуру на однорідну, придатну для нейромережевої обробки.
Дослідження напружено-деформованого стану та оцінка втомної міцності колони поворотної турелі МБЛЗ
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Кононов, Дмитро Олександрович; Ціколія, Анзор Замірович
UKR: Робота присвячена актуальному питанню продовження експлуатаційного ресурсу критичного обладнання сталеплавильного виробництва — головної колони поворотної турелі МБЛЗ. На основі технічної документації компанії Primetals Technologies [4,5] для заводу Voestalpine виконано дослідження напружено-деформованого стану колони при її відновленні до ремонтних розмірів. Особливу увагу приділено специфіці роботи вузла як демпфуючого пристрою, що піддається циклічним навантаженням під час підйому та опускання стальковшів. Обґрунтовано можливість використання переточування колони замість виготовлення нового дороговартісного виробу, що забезпечує значний економічний ефект при збереженні нормативних запасів втомної міцності.
Методологія дистанційного виявлення наземних мін з використанням радіолокаційних технологій
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Дмитрієва, Ірина Сергіївна; Бімалов, Дмитро Вікторович
UKR: У представленому дослідженні розглянуто методологічні засади застосування радіолокаційних технологій для дистанційного виявлення наземних мін шляхом інтеграції георадара та техніки синтезованої апертури. Запропоновано інноваційний підхід до створення системи на основі безпілотного літального апарата, котрий забезпечує безконтактну діагностику територій. Детально проаналізовано структуру вхідних даних, основні етапи обробки сигналів, а також специфіку формування радіолокаційних зображень. Доведено ефективність запропонованого методу для ідентифікації неметалевих об’єктів, одночасно окреслені ключові обмеження, що виникають у результаті впливу фізико-хімічних характеристик ґрунту та умов навколишнього середовища.
Дослідження способів керування асинхронним двигуном на математичній моделі навчального стенду в програмному забезпеченні TIA Portal Siemens
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Стьопкін, Василь Володимирович; Іващенко, Микола А.; Шпачук, Павло Р.
UKR: З метою дослідження способів керування асинхронним двигуном з перетворювачем частоти лінійки SINAMICS S120 фірми Siemens з реалізацією різного характеру навантажувальних діаграм був зібраний та зконфігурований навчальний стенд у програмному забезпеченні TIA Portal. Навантаження для асинхронного двигуна реалізовано за допомогою синхронного двигуна, який був механічно з’єднаний валом. До складу стенду входять наступні елементи: програмований логічний контролер CPU 1510SP-1 PN; комунікаційний процесор CP 1542SP-1 для підключення SIMATIC S7-ET200SP до мережі Industrial Ethernet; базовий електропривод змінного струму SINAMICS S120 CU320-2 PN; модулі керування інвертором асинхронного двигуна та синхронного DC 510-720 В, 2х4,8 кВт; 2х9 А у кількості 2 шт.; асинхронний двигун з короткозамкненим ротором 0,37 кВт, 1500 об/хв.; синхронний двигун з постійними магнітами 0,82 кВт, 3000 об/хв. В роботі вирішена задача з розробки математичної моделі зі скалярною та векторною системою керування з можливістю порівняльного аналізу перехідних процесів на реальному електроприводі.