У статті розглянуто завдання підвищення ефективності голосових систем автентифікації за рахунок більш точної оцінки формантних частот. Об’єктом дослідження є процес цифрової обробки голосового сигналу. Предмет дослідження – методи та процедури оцінки формантних частот при різному відношенні сигнал/шум. Результати дослідження базуються на основі модельного експерименту з обробки голосового сигналу фонеми “о” при різному відношенні сигнал/шум. Оцінки формантних частот отримані не тільки на основі амплітудно-частотної інформації, але й за фазовими даними голосового сигналу, а також наведено їх порівняльну характеристику. Встановлено, що фазові дані дозволяють одержати у півтора рази більше формантних частот. Оцінкам формантних частот, отриманим за фазовими даними голосового сигналу, варто віддавати перевагу. Це стосується результатів оцінки формантних частот, розрахованих як під час обробки повної форманти, так і протягом використання традиційних процедур розрахунку (у ковзному вікні). Нижнім порогом відношення сигнал/шум, при якому можна оцінювати формантні частоти за допомогою швидкого перетворення Фур’є без попереднього придушення шуму, що заважає, становить –1,5 дБ (за потужністю). Наведені результати будуть корисні фахівцям у галузі цифрової обробки мовних сигналів. Подальші дослідження доцільно спрямувати на розробку методів об’єднання оцінок формантних частот, які отримані за амплітудною та фазовою інформацією.
У даному дослідженні проаналізовано вплив конфігурацій розмірів ядер та типів згорткових шарів на ефективність неглибоких згорткових нейронних мереж (Convolutional Neural Network – CNN) для задач класифікації зображень. Метою роботи є вивчення варіацій ядер та розроблення альтернатив до відомих архітектурних конфігурацій. Основну увагу приділено оцінюванню впливу застосування різних типів ядер шляхом аналізу фіксованої неглибокої мережі. Використання неглибокої архітектури дозволяє мінімізувати кількість навчальних шарів і, таким чином, ізолювати вплив параметрів ядра на загальну продуктивність моделі. На основі наборів даних MNIST та CIFAR-10 проведено систематичний аналіз впливу розмірів ядер (від 3×3 до 11×11 у кожному шарі) та конфігурацій згорток – стандартних, дилатованих (dilated) і згорток із зсувом (strided) – для вхідних зображень із кількома роздільностями (32×32, 64×64, 128×128 та 256×256 пікселів). Результати показують, що для простих наборів даних, таких як MNIST, розмір ядра має незначний вплив: більшість конфігурацій досягають високої точності (~(97–98) %). Натомість для CIFAR-10 менші ядра у першому шарі краще виявляють дрібні деталі, тоді як більші ядра у другому шарі сприяють покращенню узагальнення на вищих роздільностях. Дилатовані згортки продемонстрували суттєві переваги при обробці зображень високої роздільності, скорочуючи час інференсу майже удвічі (для зображень 256×256) без втрати точності, особливо у випадках значної просторової надлишковості. Згортки зі зсувом, хоча й обчислювально ефективні, стабільно знижують точність через втрату просторових деталей.
У статті узагальнено сучасні підходи до швидкого документування та оцінювання стану зруйнованих і історичних будівель на основі 3D-хмар точок. Розглянуто комбінований збір даних (наземне лазерне сканування, фотограмметрія, аерознімання з безпілотних літальних апаратів (БПЛА), Global Navigation Satellite System (GNSS)-прив’язка) та типові етапи Scan-to-BIM/Scan-to-CAD конвеєрів: попередню обробку, виділення геометричних примітивів (Random Sample Consensus, RANSAC), оцінювання орієнтацій і нормалей (Principal Component Analysis, PCA), кластеризацію/сегментацію, а також семантичну сегментацію на основі глибинного навчання. Окрему увагу приділено моделям і алгоритмам, що зберігають фактичні деформації (неортогональні кути, нахили, прогини) як важливі ознаки технічного стану та культурної автентичності. Проаналізовано можливості наявних інструментів і обмеження автоматизації, а також окреслено ключові прогалини: нестача еталонних наборів даних і метрик, масштабованість, стійкість до шуму/перекриттів і семантична насиченість моделей. Наведено перспективні напрями розвитку деформаційно-усвідомлених робочих процесів для планування відновлення та реставрації.
У роботі представлено результати розробки концептуальної моделі інвертованої системи управління безпілотних літальних апаратів тактичного рівня, здатної функціонувати в умовах активного радіоелектронного придушення та високої невизначеності обстановки. Проведено аналіз обмежень сучасних систем типу “Human-in-the-Loop” та запропоновано перехід до проактивного агентного керування, що базується на інверсії суб’єктності. Вперше формалізовано роль бортового інтелектуального агента як “командира-радника”, який на основі заздалегідь сформованої бази знань (патернів, характеристик підрозділу, цифрової моделі рельєфу) самостійно будує віртуальну тактичну сцену та прогнозує імовірні стани противника. Особливу увагу приділено методології доведення команди людині через адаптивну мутацію виду даних: від відеоданих при відсутності завад до компактних семантичних пакетів при протидії засобами радіоелектронної боротьби. Запропоновано структуру технічного оснащення людини, що включає IMU-сенсори орієнтації та блок кнопок верифікації для санкціонування рішень штучного інтелекту. Математичний апарат оцінки ефективності симбіозу базується на мультиплікативній моделі, яка пов’язує інтелектуальні можливості бортового агента зі стійкістю семантичного каналу та якістю верифікації рішення людиною. Результати дослідження створюють теоретичну базу для створення автономних систем нового покоління, де людина залишається суб’єктом управління, не будучи перевантаженою рутинними процесами ідентифікації та орієнтації в умовах завад.
У статті представлено модель загроз радіоканалів зв’язку безпілотного літального апарата (БПЛА). Запропоновано засіб оцінки ймовірності виникнення активних та пасивних загроз для радіоканалів зв’язку БПЛА із застосуванням мережі Байєса. Представлено розроблену конфігурацію мережі Байєса для оцінки ймовірності виникнення загрози для радіоканалів БПЛА. Визначення умовної ймовірності виникнення кожного виду загрози здійснюється шляхом застосування експертних оцінок. Запропоновано підвищення ефективності метода експертних оцінок за допомогою застосування методу головних компонент. Застосування методу головних компонент дозволяє серед усіх характеристик, які впливають на ймовірність появи загрози, визначити лише вагомі з них. Даний підхід спрощує визначення умовних імовірностей для вузлів розробленої мережі Байєса, а також підвищує ефективність прийняття рішень експертною групою, завдяки зменшенню кількості характеристик БПЛА, необхідних для визначення умовних імовірностей кожного виду загроз.
Стаття присвячена розробці підходу до підвищення ефективності моніторингу динаміки формування фахових компетентностей здобувачів вищої освіти. У межах дослідження запропоновано здійснювати збір додаткових даних про здобувачів вищої освіти як з відкритих джерел, так і в процесі навчальної діяльності. Запропонований підхід не потребує суттєвих змін в організації освітнього процесу та реалізується з урахуванням вимог щодо обмеження обробки персональних даних. Для збору та обробки зазначених даних пропонується застосовувати методи та технології штучного інтелекту, які пройшли апробацію в діяльності великих компаній у сфері бізнесу та консалтингу. Використання таких підходів забезпечує можливість автоматизованого аналізу аудіо-, відеоданих та текстових матеріалів, що формуються в ході освітньої діяльності. Отримані дані можуть бути використані для прогнозування результатів навчання, проведення кластерного аналізу здобувачів, а також формування персоналізованих опитувальників, що, в свою чергу, сприятиме підвищенню ефективності моніторингу динаміки формування фахових компетентностей. Наявність багатовимірного масиву даних створює передумови для побудови мультиагентної системи моделювання поведінки здобувачів вищої освіти, що дозволить ідентифікувати сукупність факторів і чинників, що детермінують модель поведінки здобувачів освіти та їхнє ставлення до освітньої процесу на поточному етапі, з метою своєчасного коригування у разі виявлення відхилень.
Проаналізовано можливості радіолокаційних станцій радіотехнічних військ (РТВ) щодо виявлення малорозмірних безпілотних літальних апаратів (БпЛА). Показано обмежену ефективність наявного парку радіолокаційних станцій (РЛС) у задачах виявлення та супроводження БпЛА тактичного рівня, зокрема в умовах складної завадової обстановки та з урахуванням значного енергоспоживання. Обґрунтовано доцільність розробки РЛС з безперервним лінійно-частотно модульованим сигналом (Frequency Modulated Continuous Wave – FMCW) для підвищення ефективності виявлення малорозмірних цілей. Показано, що FMCW-РЛС забезпечують високу роздільну здатність за дальністю, можливість точного визначення дальності та радіальної швидкості рухомих цілей за низького енергоспоживання, що робить їх перспективними для практичного застосування. На відміну від відомих рішень, запропонований підхід орієнтований на застосування FMCW-РЛС як додаткового засобу радіолокаційної розвідки в системі РТВ та реалізований з використанням вільно доступної платформи Software Defined Radio (SDR). Розглянуто можливість реалізації FMCW-РЛС на базі технології SDR з використанням програмного середовища GNU Radio, що дозволяє реалізувати алгоритми цифрової обробки сигналів з мінімальною апаратною складністю. Результати дослідження свідчать про доцільність подальшого розвитку FMCW-РЛС з метою збільшення дальності дії та забезпечення одночасного виявлення кількох цілей.
Диференціальна діагностика очних хвороб в сучасній офтальмології набуває особливої актуальності, оскільки має сприяти своєчасному лікуванню та запобіганню виникнення ускладнень. Лікар в сучасній офтальмології виграє набагато більшу роль, аніж просто визначення діагнозу і надання допомоги. Незважаючи на наявність численних схем діагностики очних хвороб, досі продовжується пошук альтернативних оптимальних методів та засобів. Велике значення для вирішення цього питання надається інформаційним технологіям. Стаття присвячена розробці інформаційної технології диференціальної діагностики очних хвороб для підтримки прийняття рішень лікаря-офтальмолога. Розроблено метод диференціальної діагностики очних хвороб на основі багатокритеріальної оптимізації. Розроблений метод був покладений в основу інформаційної технології підтримки диференціальної діагностики очних хвороб. Застосування розробленої інформаційної технології в офтальмологічній практиці дозволить забезпечити підтримку прийняття рішення в задачі діагностики очних захворювань, яка необхідна практикуючим лікарям-офтальмологам і сприятливо вплине на зниження діагностичних помилок.
The article proposes an applied Markov model of the process of fixing mine-explosive barriers (FMEB) of mass service systems (MSS). The process of updating the mine situation is formalized as a stochastic system with a Poisson flow of messages and an exponential distribution of their processing time. Analytical dependencies were obtained to determine the average time of the message in the system, the probability of waiting and the channel load factor. An assessment of the impact of the number of processing channels on the efficiency of updating the mine situation was carried out. The minimum permissible and rational number of service channels has been established.
У статті представлено архітектуру та результати досліджень, спрямованих на розробку інтелектуального асистента для автоматизованої інформаційної системи безпеки польотів Державної авіації України “Промінь-АМ” (АІС “Промінь-АМ”), побудованого на основі Retrieval-Augmented Generation (RAG) без використання великих генеративних мовних моделей. Асистент забезпечує семантичний пошук у базі нормативних документів обсягом понад 8000 сторінок та базі даних авіаційних інцидентів, що налічує більш ніж 3300 карток за період з 1999 по 2025 рік. Розроблений асистент застосовує багаторівневу фільтрацію, яка поєднує векторний семантичний пошук на основі моделі sentence-transformers/paraphrase-multilingual-mpnet-base-v2 (768 вимірів), точне термінологічне зіставлення, класифікацію типів фрагментів. До архітектури асистента інтегровано модуль NL2SQL для здійснення запитів до бази даних АІС “Промінь-АМ”, наданих природною мовою. Результати валідації на 120 тестових питаннях демонструють точність 76 %, релевантність 83 %, Recall@5 на рівні 80 % та час відповіді від 0,8 секунди до 1,5 секунди. Наукова новизна полягає у розробці гібридної RAG-системи без генеративного компонента для забезпечення функціонування інформаційного компонента Державної авіації України у вигляді АІС “Промінь-АМ” з підтримкою української мови при виробленні управлінських рішень, що спрямовані на підтримку завданих показників безпеки польотів.
У статті представлено результати експериментальної перевірки двох розроблених методів забезпечення безпеки польотів груп безпілотних літальних апаратів (БпЛА) в умовах щільної міської забудови: методу стратегічного планування на основі рекурентних нейронних мереж (Long Short-Term Memory, LSTM) у середовищі динамічних коридорів (D2-C2) та методу реактивного ухилення на основі алгоритму навчання з підкріпленням (Proximal Policy Optimization, PPO). Розроблено та обґрунтовано комплексну методику оцінки ефективності розроблених методів, яка основана на чотирьох критеріях: безпека (відсоток уникнення конфліктів або зіткнень), енергоефективність, оптимальність траєкторії польоту та оперативність реакції. Проведено серію симуляційних експериментів у середовищі MATLAB для сценаріїв перетину перехрестя з різною щільністю трафіку (від 5 до 12 БпЛА). Виявлено основні відмінності у поведінці досліджуваних моделей: LSTM-підхід демонструє вищу надійність (до (95–100) %) у складних умовах, тоді як PPO-агент забезпечує кращу енергоефективність та швидкість маневру БпЛА при помірному навантаженні. На основі отриманих даних обґрунтовано архітектуру інтегрованої системи безпеки, яка поєднує прогностичні можливості LSTM та адаптивність PPO.
У статті представлено удосконалений метод глибинного навчання для автоматизованого виявлення типових шаблонів у PQ-даних (даних показників якості електроенергії). Запропоновано удосконалену архітектуру глибинного автоенкодера для некерованого вилучення ознак PQ-даних. Показано, що автоенкодер здатний скоротити розмірність вхідних даних до компактного вектора основних ознак та зберегти інформацію про характерні варіації сигналу. Метод поєднує удосконалений глибинний автоенкодер для автоматичного виділення ознак із великих масивів вимірювань та подальшу кластеризацію отриманих ознак для групування схожих добових варіацій показників якості електроенергії. Метод заснований на режимі навчання без вчителя, тобто не потребує розмічених даних та здатний виявляти приховані закономірності і типові профілі змін показників напруги або струму.
This paper describes a five-stage workflow designed for automated parallel corpora creation for direct neural machine translation systems between low-resource languages. The solution’s architecture combines multilingual sentence representation information extraction, large language model synthetic generation, and unsupervised machine translation, alongside iterative scaling via self-learning mechanisms. Quality control is maintained through neural semantic proximity assessment and hierarchical clustering tools. The proposed toolkit can generate the training datasets needed for historical text and extinct language analysis.
The current trends in the development of international unmanned aircraft systems and the aggressor country’s efforts to integrate intelligent data analysis technologies and problematic aspects of the intelligence information processing process in the context of unmanned aircraft systems are analyzed. The direction of increasing the efficiency of intelligence information processing through innovative technologies is substantiated. Possible areas for integrating the specified direction of automation of intelligence information processing into unmanned aircraft systems are studied. Requirements are formulated for the processing of intelligence information to minimize time delays in data decryption and ensure the required level of reliability of data generated by air reconnaissance complexes. Computer vision algorithms based on single-pass artificial neural networks of the YOLO family are studied for further integration into the intelligence information processing process. A computer vision model is developed for automated detection and recognition of sea targets for aerial reconnaissance in the context of unmanned aircraft systems use. Analysis of the results of integrating the proposed model into the intelligence information processing process shows that: conditions are created for processing intelligence information on a time scale close to real; the developed model allows ensuring the required level of reliability of detection and recognition of sea targets. Further scientific research will aim to develop a set of software modules for automated detection, recognition, and tracking of aerial reconnaissance objects.
У статті удосконалено метод, який дозволяє визначити необхідну кількість ітерацій агрегування даних у процесі формування багатовимірного куба даних. Дані, що зчитуються зі сховища даних відповідно до визначених тематичних доменів, акумулюються у вітринах даних та потребують зменшення обсягу даних. Зменшення обсягу даних необхідно для забезпечення коректного функціонування аналітичної системи відповідно до заданих обмежень, зокрема щодо часу відгуку, точності обробки запитів та обчислювальних ресурсів. Рівень зменшення обсягу даних обмежується критеріями та визначається кількістю ітерацій агрегування. Після агрегування даних сформований багатовимірний куб даних, що складається з агрегатів, може бути використаний для швидкої обробки аналітичних запитів. Для отримання швидких відповідей на комплексні запити з врахуванням великої кількості даних від різнорідних джерел необхідно формування масиву кубів. За допомогою спеціалізованих інструментів, призначених для керування кубами даних, їх обробки та подальшої візуалізації інформації, створюються інформативні аналітичні звіти. До таких звітів належать тренди, дашборди, інтерактивні панелі моніторингу тощо. Використання аналітичної системи на основі багатовимірних кубів даних забезпечує наочність подання інформації та дозволяє ефективно інтерпретувати результати аналітичної обробки даних. Це сприяє підвищенню якості та швидкості прийняття рішень. Запропонована аналітична система може використовуватись у складі системи підтримки прийняття рішень.
Сучасні системи бронювання працюють в умовах високої динаміки попиту, обмежених ресурсів та вимог до перепланування операцій, що зумовлює потребу у створенні нового методу адаптивного розподілу запитів. Метою цієї роботи є розробка та дослідження моделі системи бронювання на основі генетичного алгоритму для оптимізації розподілу дефіцитних ресурсів у динамічному середовищі. Запропонована модель враховує часові вікна, пріоритети запитів, сумісність ресурсів, жорсткі та м’які обмеження, а також repair-процедуру для усунення конфліктів призначення. Ефективність запропонованого підходу перевіряється за допомогою імітаційного моделювання сценаріїв S1–S4, порівнюючи низку методів (FCFS, HPF та Backfill) за показниками утилізації ресурсів, сукупного прибутку, частки прийнятих заявок, штрафу за м’якими обмеженнями та часу обчислення. Отримані результати доводять, що генетичний алгоритм забезпечує найкращі результати в усіх досліджуваних сценаріях: рівень використання ресурсів змінювався в межах від 81,74 % до 95,02 %, прибуток – від 588 до 1687 умовних одиниць, коефіцієнт прийняття заявок – від 91,49 % до 97,83 %, а значення функції штрафних витрат – від 0,96 до 1,96 штрафних балів. При цьому нижчі значення показників спостерігалися у відносно простих сценаріях, де навантаження на систему та рівень конфліктності між заявками були меншими. Натомість найкращі результати отримано у складних сценаріях, зокрема в S4, де за умов високої інтенсивності надходження заявок, обмеженості ресурсів та підвищеної кількості збурень запропонований підхід продемонстрував найбільшу ефективність. Генетичний алгоритм не лише зберігає стійкість у складних умовах, а й найбільш повно розкриває свої переваги на відміну від традиційних методів планування, які стають менш результативними.
У роботі здійснено теоретичний аналіз сучасних підходів до моніторингу та управління комп’ютерними мережами з використанням системи моніторингу Zabbix у поєднанні з протоколом Simple Network Management Protocol (SNMP) та технологією аналізу мережевих потоків NetFlow. Розглянуто функціональні можливості кожного з підходів, їхні переваги та обмеження, а також оцінено ефективність їх застосування для забезпечення надійності, продуктивності та безпеки мережевої інфраструктури. Особлива увага приділяється проблемі фрагментованості даних у традиційних системах спостереження, яка ускладнює своєчасне виявлення аномалій, аналіз інцидентів і прийняття обґрунтованих управлінських рішень. Теоретично обґрунтовано доцільність інтегрованого підходу, що поєднує SNMP і NetFlow, і дозволяє забезпечити комплексне представлення стану комп’ютерної мережі. Це включає моніторинг технічних параметрів мережевого обладнання (завантаження процесора, використання оперативної пам’яті, стан інтерфейсів) та аналіз поведінкових характеристик мережевого трафіку (інтенсивність потоків, типи протоколів, напрями передавання даних).
The growing deployment of unmanned aerial vehicles (UAVs) in both civilian and military domains has created a pressing need for passive, infrastructure-independent identification methods. This paper presents a UAV type identification system based on radio frequency fingerprinting, wherein hardware-induced signal imperfections unique to each transmitter are exploited as discriminative features. Three feature extraction strategies are implemented and compared: power spectral density, short-time Fourier transform spectral statistics, and wavelet packet decomposition. All representations are derived from the publicly available DroneRF dataset and evaluated using a one-dimensional convolutional neural network under stratified five-fold cross-validation with a batch size of 256. Results demonstrate that wavelet packet decomposition, applied at six decomposition levels with a Meyer wavelet basis, yields 91.51 % classification accuracy and a macro F1-score of 0.92 across four target classes, outperforming both spectral alternatives by 36.74 and 4.68 percentage points respectively. Per-class analysis confirms that this advantage includes perfect precision and recall for the minority class. Comparison with a prior result of 97 % obtained under identical architecture but smaller batch size quantifies the large-batch generalization gap for this feature-architecture combination. The paper identifies feature representation as the dominant factor in classification performance within this architecture.
У статті розглянуто задачу інтелектуальної обфускації проміжного коду платформи .NET (Intermediate Language – IL) на основі кортежного стекового ансамблю, який поєднує декілька глибинних нейромережевих моделей. Запропоновано формальну постановку задачі як багатокритеріальної оптимізації з обмеженнями на семантичну еквівалентність, стійкість до декомпіляції та накладні витрати на виконання. Запропонована архітектура стекового обфускатора розглядається як кортеж базових моделей (LSTM модель, глибокий автоенкодер, трансформер модель), виходи яких узагальнюються метамоделлю, що генерує параметри обфускаційних перетворень проміжного коду. Наведено математичну модель ансамблю, формулювання інтегральної метрики якості обфускації, яка поєднує показники стійкості (Resilience), приховування (Stealth), структурної складності (Complexity) та додаткових витрат (Overhead). Описано експериментальну методику оцінювання ефективності стекового обфускатора на наборі .NET-збірок у порівнянні з класичними інструментами обфускації (ConfuserEx, SmartAssembly). Отримані результати демонструють зростання інтегральної метрики якості обфускації приблизно на (25–30) % при збереженні додаткових витрат на рівні менше 10 %, що підтверджує доцільність використання кортежного стекового ансамблю для практичного захисту .NET-застосунків.
Розроблення нових криптографічних примітивів дозволить створити нові підходи до розв’язання актуальних задач у сферах криптографії та кібербезпеки. В рамках роботи представлено новий криптографічний примітив “вмісторозшифровуване сховище”, що дозволяє зашифровувати дані таким чином, що для їх розшифрування необхідною умовою є попереднє знання довільної достатньо великої частини даних. Для нового примітиву наведено формальне визначення, опис ефективної реалізації та приклади можливого застосування у сервісах безпечного відновлення даних із резервної копії та системах керування паролями. Наведено теоретичні відомості, необхідні для розуміння принципу роботи запропонованої ефективної реалізації, а саме: алгоритм порогового розподілення секрету Шаміра та функції формування ключа. Також, за допомогою обчислювального експерименту оцінено швидкодію запропонованої реалізації та перевірено її коректність.
