Конференції-2026

Permanent URI for this communityhttps://crust.ust.edu.ua/handle/123456789/22046

ENG: Proceedings of conferences held in 2026

Browse

Now showing 1 - 6 of 6

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.
Features of Legal Regulation of Artificial Intelligence Using the Example of the European Union
(Ukrainian State University of Science and Technologies, Dnipro, 2026) Vyprytskyi, Andrii O.
ENG: The article examines the prerequisites for the emergence of legal regulation, provides examples of the emergence of the first ethical standards for regulating artificial intelligence, and demonstrates how these standards were implemented in the recently adopted Artificial Intelligence Act. It also examines the prospects for legal regulation of artificial intelligence systems.
Дослідження методів уніфікації та попередньої обробки експериментальних даних для підвищення якості інтеграції в ШІ-моделі компенсації ексцентриситету валків
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Потап, Михайло Олегович; Гнатушенко, Вікторія Володимирівна; Селівьорстова, Тетяна Віталіївна
UKR: У роботі розглянуто питання уніфікації та попередньої обробки експериментальних даних для їх ефективного використання в ШІ-моделях компенсації ексцентриситету валків у процесах листової прокатки. Обґрунтовано, що якість функціонування інтелектуальних моделей значною мірою залежить від узгодженості, повноти та інформативності вхідних даних. Проаналізовано підходи до синхронізації часових рядів, очищення даних, фільтрації шумів, нормалізації та формування ознак. Показано, що застосування процедур уніфікації та попередньої обробки сприяє підвищенню якості інтеграції даних у ШІ-моделі та створює передумови для більш точної компенсації ексцентриситету валків.
Оцінка впливу попередньої фільтрації на якість вибірки в RAG-системах з векторним пошуком
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Клименко, Іван Вікторович; Лебідь, Євген Андрійович
UKR: В роботі проаналізовано сучасні підходи до оцінювання RAG‑систем, що поєднують векторний пошук і генерацію відповідей великими мовними моделями (LLM). Розглянуто класичні метрики якості вибірки та LLM‑орієнтовані метрики якості генерації, у тому числі в контексті фреймворків RAGAS, ARES, VERA та MIRAGE. Проведено машинний експеримент на базі Google Cloud Platform (GCP) Firestore колекції з векторним пошуком по датасету резюме ІТ‑фахівців, де порівнюються стандартний векторний пошук і пошук з попередньою фільтрацією за метаданими. Встановлено, що попередня фільтрація підвищує частку релевантних документів у контексті, зменшує затримку вибірки та дозволяє збільшувати розмір контексту без пропорційного погіршення якості генерації. Результати експерименту підтверджують залежність якості відповідей RAG‑систем від чистоти й релевантності контексту.
Проєктування системи прогнозування динаміки цін криптовалют на основі методів технічного аналізу та штучного інтелекту
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Зінченко, Ілля О.; Радуль, Олександр Анатолійович; Ляшенко, Оксана Анатоліївна
UKR: У доповіді представлено процес проєктування спеціалізованої вебплатформи, призначеної для візуалізації та прогнозування динаміки цін на ринку криптовалют. Метою дослідження є розробка архітектури інформаційної системи з використанням методології об’єктно-орієнтованого моделювання. У ході дослідження проведено детальний аналіз предметної області, розглянуто існуючі методи прогнозування на основі штучного інтелекту та технічного аналізу. За допомогою CASE-засобу StarUML та мови UML розроблено комплексну модель системи: визначено функціональні вимоги (діаграма прецедентів), сформовано статичну структуру (діаграма класів) та описано динамічну поведінку (діаграми послідовності та станів). Окрему увагу приділено проєктуванню архітектури розгортання та структури бази даних. Практична значущість результатів полягає у створенні теоретичного та модельного підґрунтя для подальшої програмної реалізації аналітичного інструментарію. Розроблена модель може слугувати базою для створення реальних вебсервісів, орієнтованих на криптотрейдерів та фінансових аналітиків, що сприятиме підвищенню ефективності прийняття рішень на волатильних цифрових ринках.
Тенденції розвитку управління проєктами на українських підприємствах
(Український державний університет науки і технологій, Дніпро, 2026) Корхіна, Інна Арнольдівна; Селегей, Андрій Миколайович
UKR: У статті досліджено сучасні тенденції управління проєктами на українських підприємствах, зокрема впровадження міжнародних стандартів, гнучких і гібридних методологій, а також використання цифрових технологій і штучного інтелекту для підвищення ефективності проєктної діяльності. Розглянуто роль управління талантами, трансформації організаційних структур та проблеми адаптації сучасних підходів до національних умов.