2026

Permanent URI for this communityhttps://crust.ust.edu.ua/handle/123456789/22155

UKR: У даному репозитарії представлені електронні версії статей, автори яких є членами співтовариства університету. Зі статтями авторів, що не працюють в УДУНТ, можна ознайомитися на сайті журналу "Системні технології".
ENG: This repository contains e-articles whose authors are members of the community of the university. Articles of authors who are not USUST employees are available online at the website of the journal "System technologies".

Browse

Now showing 1 - 3 of 3

Автоматизований конвеєр формування датасету для навчання моделей виявлення шахрайства
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, 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, Credit Card Transactions Fraud Detection Dataset, 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.
Інтелектуальна система для визначення шкідників рослин на основі нейромережевих технологій
(Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Островська, Катерина Юріївна; Левашкевич, Антон Костянтинович
UKR: Актуальною є задача розробки нейромережевих моделей, що забезпечують високу точність детектування шкідників рослин за мінімальних обчислювальних та часових витрат. Вирішення цього завдання сприятиме розвитку цифрових технологій в аграрній галузі та надаватиме можливість для оперативного та точного виявлення загроз сільськогосподарським культурам, зокрема, визначення шкідників рослин. Метою роботи є розробка інтелектуальної системи для визначення шкідників рослин на основі нейромережевих технологій. У ході дослідження було реалізовано та проаналізовано модель детектування об'єктів на основі архітектури YOLOV5s. Для навчання та валідації моделі був використаний набір даних, сформований на основі відкритих датасетів, розміщених на платформі Roboflow. Підсумковий датасет включає 3766 анотованих зображень, кожне з яких містить не менше одного об'єкта, що відноситься до одного з 18 наперед визначених класів. Для підвищення узагальнюючої здатності моделі та розширення різноманітності навчального датасета на етапі передобробки використовувалася бібліотека аугментацій Albumentations. Навчання про-водилося з використанням оптимізатора стохастичного градієнтного спуску. Для управління швидкістю навчання застосовувався косинусний планувальник. В роботі реалізовано взаємодію користувача з серверною частиною з інтерфейсом у вигляді чат-бота. Розроблена інтелектуальна система забезпечує два повноцінні режими роботи: режим інференсу нейромережі (predict) та режим збору даних (collect). Перемикання між режимами здійснюється як через команди, так і автоматично – на основі наявності моделі у файловій системі серверної частини веб-застосунку. За результатами тестування підтверджено стабільну роботу серверної частини та демонструє повну відповідність заявленим функціональним вимогам.
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.