eKhNUIR :: Головна

eKhNUIR - Electronic Kharkiv National University Institutional Repository

ISSN 2310-8665

Електронний архів Харківського національного університету імені В. Н. Каразіна

eKhNUIR - відкритий електронний архів академічних текстів, який наповнюється матеріалами наукового та навчально-методичного призначення, створених науковцями, викладачами, працівниками, докторантами, аспірантами, студентами університету.

eKhNUIR - an open electronic archive of academic texts that contains resources for scientific and educational purposes created by scientists, lecturers, staff, doctoral students, postgraduates, and university students.

Кількість документів у репозитарії: 24034

Положення про eKhNUIR Електронний архів Харківського національного університету імені В.Н. Каразіна

Інструкція з реєстрації користувача та розміщення матеріалів в eKhNUIR

Авторський договір про передачу невиключного права на використання твору

З усіх питань просимо звертатися: ekhnuir@karazin.ua

Доступ до знань 24/7

Дослідження, статті, дисертації – все в одному архіві

Ресурс для навчання та дослідження

Створений для студентів і викладачів університету

Відкрита освіта для всіх

Доступ до академічних ресурсів університету

Розділи

Виберіть розділ, щоб переглянути його колекції.

Зараз показуємо 1 - 20 з 42

Нові надходження

Класифікація частково видимих обʼєктів в умовах невизначеності
(Харків : Харківський національний університет імені В. Н. Каразіна, 2026) Лугових, Дмитро Юрійович; Luhovykh, Dmytro Yuriiovych
Дипломна робота присвячена дослідженню та аналізу сучасних методів класифікації у задачах комп’ютерного зору в умовах невизначеності, зумовленої частковим перекриттям об’єктів. Дослідження охоплює оцінку ефективності сучасних архітектур ШІ для розпізнавання об’єктів з метою визначення їх здатності до роботи в умовах різного ступеня оклюзії та формування узагальненого підходу до аналізу їх поведінки. Таким чином, запропонований у роботі підхід дозволяє здійснювати комплексне тестування моделей детекції об’єктів у контрольованих умовах невизначеності та виконувати кількісну оцінку їх стійкості до часткової втрати візуальної інформації.
Оптимізація графових укладань для мереж із структурою спільнот
(Харків : Харківський національний університет імені В. Н. Каразіна, 2026) Лінник, О. С.
У даній магістерській роботі досліджується задача візуалізації графів із акцентом на відображення їхньої спільнотної структури. Запропоновано підхід, заснований на поєднанні алгоритму Камада–Каваї з нейромережевим прискоренням (KamadaNN), який дозволяє отримувати вкладення графів у евклідовий простір із збереженням як глобальних, так і локальних структурних властивостей. Особливу увагу приділено оцінюванню якості отриманих укладок у контексті подальшого виявлення спільнот. Експериментальне дослідження проведено на кількох сімействах графів, зокрема симетричних графах із чітко вираженими спільнотами, несиметричних графах зі спільнотною структурою, а також графах без чітких спільнот. Для кожного графа застосовано різні алгоритми виявлення спільнот, включаючи Louvain, Girvan–Newman, greedy modularity та Label Propagation. Якість результатів оцінювалась за сукупністю метрик, серед яких коефіцієнт силуету, індекс Девіса–Болдіна, нормалізовані показники компактності та сепарованості, метрика найближчих сусідів, а також оцінка перекриття випуклих оболонок. Отримані результати показують, що для графів із чіткою спільнотною структурою алгоритм KKNN демонструє стабільну перевагу над методом NeuLay-2 за всіма розглянутими метриками. Для більш складних випадків, зокрема несиметричних графів та графів без виражених спільнот, обидва підходи демонструють конкурентні результати, підкреслюючи різні аспекти структури графа: KKNN краще відображає глобальну компактність і узгодженість кластерів, тоді як NeuLay-2 у ряді випадків ефективніше зберігає локальні зв’язки між вершинами. Таким чином, запропонований підхід є ефективним інструментом для 2 візуалізації графів із різною структурою та може бути використаний у задачах аналізу складних мереж, де важливим є коректне відображення спільнотної організації.
Децентралізована система зберігання та обміну медичними даними з пацієнтоорієнтованим керуванням доступом на основі блокчейну Cosmos
(Харків : Харківський національний університет імені В. Н. Каразіна, 2026) Кудрявцев, Д. Ю.
Мета роботи: 1) Дослідити існуючі підходи до побудови blockchain-based EHR систем та проаналізувати їхні обмеження. 2) Дослідити Cosmos SDK як платформу побудови прикладно-специфічних блокчейнів та обґрунтувати її переваги порівняно з універсальними смарт-контрактними платформами для задач охорони здоровʼя. 3) Спроєктувати гібридну on-chain/off-chain архітектуру системи з чітким розподілом зон відповідальності - на блокчейні зберігаються реєстри субʼєктів, дозволи доступу та хеші документів, у сервісах лікарень - самі медичні документи. 4) Розробити модель пацієнтоорієнтованого керування доступом з гранулярністю на рівні прав (CREATE, READ, UPDATE) та області дії (окремий документ або вся медична картка в межах закладу). 5) Реалізувати прикладно-специфічний блокчейн на базі Cosmos SDK з кастомними модулями для реєстрації лікарень, лікарів і пацієнтів, управління дозволами та зберігання хешів документів. 6) Реалізувати бекенд-сервіс лікарні, що верифікує підписи запитів лікарів за стандартом ADR-036, звіряє права доступу зі станом блокчейну та забезпечує публікацію хешів документів перед їх збереженням у off-chain сховище. 7) Провести функціональне, інтеграційне та базове тестування безпеки розробленого прототипу, оцінити продуктивність та проаналізувати стійкість до типових атак.
Розробка багатоагентої системи динамiчного управлiння SDN мережами
(Харків : Харківський національний університет імені В. Н. Каразіна, 2026) Борейко, А. О.
У роботi розглядається задача динамiчного управлiння трафiком у програмно визначених мережах (SDN) iз використанням мультиагентної системи на основi навчання з пiдкрiпленням. Запропоновано архiтектуру, в якiй для кожної пари комутаторiв створюється окремий Q-learning агент, що обирає оптимальний мар шрут на основi поточного стану мережi. Ключовою iнновацiєю є використання вiдносного стану шляху, координацiйного менеджера для узгодження одночасних рiшень агентiв та iнiцiалiзацiї Q-таблицi прiором Дейкстри. Проведено порiв няльний аналiз iз статичним алгоритмом Дейкстри та адаптивним алгоритмом Галлагера.
Розробка багатоагентної системи моніторингу SDN мереж
(Харків : Харківський національний університет імені В. Н. Каразіна, 2026) Балашов, О. В.
У роботі розглядається задача виявлення відмов та аномалій у програмно визначених мережах (SDN) за допомогою мультиагентної системи моніторингу із застосуванням методів машинного навчання. Запропоновано архітектуру, що складається з чотирьох спеціалізованих агентів: CollectorAgent, AnalyzerAgent, MLAnalyzerAgent та CoordinatorAgent. Ключовою ідеєю є крос-топологічне узагальнення ML-моделей: система навчається на одній топології мережі і застосовується на іншій без перенавчання. Експериментальні результати у середовищі Mininet/Ryu демонструють високу точність зваженого k-NN та стабільну перевагу над пороговими правилами.