Том 1 № 162 (СТ ДМетІ)

Permanent URI for this collectionhttps://crust.ust.edu.ua/handle/123456789/22156

Volume 1 No. 162 (ST DMetI)

Browse

Now showing 1 - 7 of 7

Applying Machine Learning Techniques to Analyze Forest Fire Impacts on Sentinel-2 Imagery across Ukraine
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2026) Hnatushenko Viktoriia V.; Udovyk, Iryna M.; Heipke, Christian; Hnatushenko, Maksym V.
ENG: Forest fires pose severe ecological and socio-economic threats, necessitating efficient tools for rapid damage assessment. This study presents a machine learning approach for detecting burnt forest areas in Ukraine using multispectral Sentinel-2 imagery. A new manually annotated dataset was developed for training semantic segmentation models, addressing the scarcity of open data for the region. The proposed convolutional neural network, based on an encoder–decoder architecture with Xception blocks, effectively captures spectral patterns associated with fire damage. Experiments conducted on Sentinel-2 Level-2A imagery of the Kinburn Peninsula (October 2022) demonstrate high detection performance, achieving an Intersection over Union (IoU) of 95%. The results confirm the model’s capability for accurate burnt-area mapping and highlight its potential for broader applications in regional fire monitoring and environmental management.
Випуск 1 (162). Системні технології
(Український державний університет науки і технологій, ННІ «Дніпровський металургійний інститут», ІВК «Системні технології», Дніпро, 2026)
UKR: У збірнику публікуються результати досліджень в галузі техніки, присвячених проблемам системного моделювання процесу технічних об'єктів, обробки інформації, оптимізації керування параметрами процесу та кібербезпеці.
Вплив системи фокусування на чутливість PIR датчику
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Зимогляд, Андрій Юрійович; Гуда, Антон Ігорович; Виродов, Олександр Сергійович
UKR: В статті описано дослідження впливу систем фокусування (у тому числі виродженої) на чутливість PIR датчику. У технічній документації на PIR датчики недостатньо інформації про вимоги до системи фокусування та про можливість використання датчика без неї. Пасивні інфрачервоні датчики руху ( далі PIR датчики) є найважливішими компонентами сучасних систем безпеки та автоматизації. Ці датчики призначені для виявлення присутності нагрітих тіл шляхом виявлення інфрачервоного випромінювання, випромінюваного їх тілами.
Застосування методів машинного навчання в обробці 3D сейсмічних зображень
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Дмитрієва, Ірина Сергіївна; Дмитренко, Андрій Миколайович
UKR: У статті представлено комплексний технічний огляд застосування методів машинного навчання (МН) та глибокого навчання (ГН) для аналізу 3D сейсмічних зоб-ражень у геофізичній розвідці. Розглядається проблема обробки терабайтних обсягів сейсмічних даних, які традиційно вимагають місяців ручної інтерпретації, та обґрунтовується необхідність переходу до автоматизованих методів аналізу. Детально описуються основні архітектури нейронних мереж (CNN, U-Net, TransUnet) та їх застосування для ключових завдань: виявлення розломів, делімітації соляних тіл та класифікації літофацій. Особлива увага приділяється практичним аспектам впровадження МН, включаючи роботу з форматом SEGY через Python-бібліотеки, методи подолання дефіциту розмічених даних через синтетичну генерацію та аугментацію, а також використання публічних наборів даних (F3, FORCE) для навчання моделей. Висвітлюються сучасні напрямки досліджень, зокрема самоконтрольоване навчання (SSL) для роботи з нерозміченими даними, фізико-інформовані нейронні мережі (PINNs) для інтеграції геофізичних законів, та методи квантифікації невизначеності результатів.
Концепції проектування систем контролю знань з математичних дисциплін в умовах дистанційної освіти
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Зеленцов, Дмитро Гегемонович; Шаповалов, Кирило Ігорович
UKR: Пропонується новий підхід до проектування систем контролю знань здобувачів освіти з дисципліни «Диференціальне числення». На відміну від більшості існуючих систем контролю знань авторська розробка не містить баз завдань та відповідей. Завдання генеруються у відповідності до сформульованих правил з використанням випадкових чисел. Згенерована задача (функція, для якої треба знайти похідну) перевіряється на коректність, після чого пропонується здобувачу. Відповідь на завдання надається у вигляді формули, а не числа, що також є відмінною рисою авторської розробки. Висновок про вірний розв’язок відбувається на підставі порівняння результатів аналітичного та чисельного диференціювання заданої функції для декількох значень аргументу.
Оцінка точності методів автоматизованого картування водних поверхонь на основі спектральних індексів
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Кавац, Олена Олександрівна; Кавац, Юрій Віталійович; Сергєєва, Катерина Леонідівна; Рой, Дмитро Миколайович
UKR: У роботі проведені дослідження з оцінки точності автоматизованого виділення поверхневих вод на основі спектральних водних індексів у поєднанні з методом порогування Оцу для територій, що зазнали техногенної катастрофи після руйнування Каховської ГЕС. Використано оптичні супутникові знімки Sentinel-2 та оцінено точність маскування водних об’єктів, які мають гетерогенні властивості. Проаналізовано основні водні індекси з автоматичним визначенням оптимального порогу за методом Оцу. Встановлено, що MNDWI забезпечує найвищу точність визначення меж водних поверхонь для малих об’єктів зі складними неоднорідними контурами, тоді як AWEI демонструє високу чутливість до дрібних водойм. Отримані результати підтверджують доцільність поєднання спектральних індексів з автоматизованим порогуванням за методом Оцу для оперативного моніторингу водних об’єктів у динамічно трансформованих ландшафтах.
Інформаційна система для генерації зображень з можливістю федеративного навчання та донавчання генеративних моделей
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Островська, Катерина Юріївна; Борисюк, Володимир Петрович
UKR: У роботі розглянуто розробку та дослідження інформаційної системи для генерації зображень на основі сучасних генеративних моделей штучного інтелекту з підтримкою федеративного навчання та механізмів донавчання. Запропонована система орієнтована на забезпечення ефективної генерації візуального контенту з одночасним збереженням конфіденційності даних користувачів, що є особливо актуальним в умовах обмеженого доступу до централізованих наборів даних. Метою роботи є розробка інформаційної системи для генерації зображень з можливістю федеративного навчання та донавчання генеративних моделей. Розроблена інформаційна система може бути використана у завданнях, де важливо навчати генеративні моделі без передачі даних на сервер, що забезпечує захист конфіденційною інформації. У майбутньому планується розширення функціональності системи, у тому числі додавання повноцінної реєстрації та авторизації, можливість застосовувати кілька LoRA-адаптерів одночасно, збільшення доступних для навчання та генерації моделей і реалізація додаткових алгоритмів для федеративного навчання.