eKMAIR
Electronic Kyiv-Mohyla Academy Institutional Repository
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Nowcasting як сучасний підхід до оцінювання ВВП України: порівняння з традиційними моделями прогнозування
(Національний університет "Києво-Могилянська академія", 2025) Болотов, Єгор; Дрінь, Світлана
Метою даного дослідження є порівняльний аналіз точності прогнозів ВВП України. До таких сучасних підходів до прогнозування на основі моделей змішаної частоти належать векторної авторегресії (MF-VAR) [1] та їх факторних розширень (MF-FAVAR) з традиційними моделями прогнозування. Особливий акцент робиться на їх здатності інтегрувати багаточастотні та нетрадиційні джерела інформації. Це дослідження є особливо актуальним, оскільки, хоча в українській науці вже існують дослідження змішаних частотних моделей на національному рівні (наприклад, U-MIDAS [2]), сучасні економічні підходи, такі як MF-FAVAR, ще не застосовувалися для регіональних прогнозів.
Фрактально-дифузійні генеративні моделі: ієрархічний підхід до синтезу зображень
(Національний університет "Києво-Могилянська академія", 2025) Шалімов, Андрій; Авраменко, Ольга
У цьому дослідженні пропонується модифікація FGM із використанням дифузійної нейронної мережі на архітектурі U-Net як альтернативного генератора. Такий підхід підвищує паралельність процесу, скорочує час синтезу й інтегрує ієрархічний самоподібний принцип у стандартну дифузійну модель.
Інтеграція методу аналізу ієрархій із нечіткою логікою для вирішення багатокритеріальних задач
(Національний університет "Києво-Могилянська академія", 2025) Тригуб, Олександр
Розглянемо модельну задачу вибору найкращої альтернативи програмного забезпечення (ПЗ) для аналітики даних серед трьох альтернатив: A1 (Програма X), A2 (Програма Y), A3 (Програма Z). Оцінювання здійснюється за трьома критеріями: K1 — функціональність, K2 — зручність використання, K3 — вартість програмного продукту.
Топологічна складність вуличних мереж українських міст: ентропійний аналіз
(Національний університет "Києво-Могилянська академія", 2025) Смиш, Олег
Ентропійні характеристики урбаністичних мережевих структур є формальними показниками організаційної складності та функціональної узгодженості міського середовища в термінах аналізування графів. Використання методів оброблення даних та алгоритмів мережевого аналізування для дослідження топологічних параметрів дорожньої інфраструктури уможливлює вимірювання ступеня впорядкованості міських систем і виявлення стабільних закономірностей їхнього просторового розвитку. Стаття Geoff Boeing [1] демонструє ефективність запропонованих ентропійних мір для кількісного оцінювання просторового порядку в міських мережах, ілюструючи значні відмінності між містами різних регіонів світу.
PINN Modeling of Interfacial Gravity-Capillary Waves
(Національний університет "Києво-Могилянська академія", 2025) Avramenko, Olha; Sontikov, Maksym
This paper presents an automated computational framework for modeling hydrodynamic processes using physics-informed neural networks (PINNs). The modular system integrates all stages of numerical experimentation — from data generation and model training to validation and accuracy evaluation — ensuring reproducibility, flexibility, and scalability. The framework was verified on the classical problem of interfacial gravity–capillary waves between two incompressible fluids, using the analytical solution as a benchmark for numerical assessment. Computational experiments showed that increasing the number of training points from 400 to 1000 improved accuracy and convergence, with the Extended configuration achieving 98.86% accuracy and a MAPE of 1.14%, while Adaptive_LR remained stable. The results confirm the reliability and efficiency of the proposed PINN-based framework for solving complex hydrodynamic problems governed by nonlinear partial differential equations.
ML-підхід до ідентифікації емоцій у звукових записах на базі MFCC
(Національний університет "Києво-Могилянська академія", 2025) Тимошевський, Данило
У сучасному світі, де взаємодія людини з комп’ютерними системами набуває все більш природного характеру, розпізнавання емоцій за голосом стає одним із ключових напрямів розвитку штучного інтелекту. Голос є одним із найвиразніших каналів передавання емоційного стану, тому аналіз аудіосигналів відкриває можливості для створення інтелектуальних систем, здатних розуміти не лише зміст висловлювань, а й їх емоційне забарвлення. Такі технології мають широкий спектр практичного застосування — від покращення роботи віртуальних асистентів, систем підтримки клієнтів і адаптивних освітніх платформ до психологічного моніторингу стану користувачів. Окремим напрямом, що набуває актуальності, є використання аналізу емоційного тону голосу для оцінювання ефективності ведення гри в настільних рольових іграх, де емоційна залученість та динаміка голосу відображають якість ігрового процесу та комунікації між учасниками.
Розроблення інтелектуальної системи моделювання процесу кристалізації зливку з використанням нечіткої логіки
(Національний університет "Києво-Могилянська академія", 2025) Павлюченко, В.; Бабенко, Михайло
Проблема керування охолодженням зливку під час йог кристалізації ускладнюється значною параметричною невизначеністю, нелінійною природою теплових процесів і необхідністю включення експертного досвіду операторів у формалізовані алгоритми прийняття рішень. Традиційні детерміністичні підходи потребують детальних математичних моделей і повної інформації про граничні умови, що не завжди можливо в умовах реального виробництва [1]. Це викликає попит на методологію, яка здатна працювати з якісними характеристиками процесу та обмеженою кількістю даних.
Massively Parallel MorphoNAS Implementation
(Національний університет "Києво-Могилянська академія", 2025) Medvid, Serhii
Our GPU-accelerated MorphoNAS (Morphogenetic Neural Architecture Search) enhances the biologically motivated developmental model of the original MorphoNAS, from sequential developmental simulations to large scale parallel simulation. Like the original CPU-based MorphoNAS system, the GPU enhanced version models morphogenesis (neural development) through reaction-diffusion, progenitor differentiation and axon-guided wiring that grow recurrent controllers. Unlike the original CPU-based version, the GPU-based version has the ability to formulate growth and control in parallel execution of thousands of genomes. Through use of sparse, device-resident representations of developmental dynamics and recurrent rollouts, we produce behaviorally equivalent recurrent controllers with up to three orders of magnitude speedup. As a result, we have enabled the possibility of performing evolutionary search over populations of developmental programs, transforming MorphoNAS from a proof-of-concept model of artificial morphogenesis and adaptive architecture discovery to a scalable framework for those objectives.
Адаптивна мультимодальна когнітивна система для автономного прийняття рішень у складних логістичних середовищах
(Національний університет "Києво-Могилянська академія", 2025) Пасєка, П.; Теренчук, Світлана
Сучасні логістичні системи функціонують у складних умовах, що характеризуються високою динамічністю, невизначеністю та нестачею достовірних даних. Це особливо актуально у контексті гуманітарних або військових операцій, де рішення щодо постачання, транспортування чи розподілу ресурсів мають прийматися в реальному часі та часто за відсутності повної інформації про середовище.
Експериментальний аналіз моделі еволюційної гри в іменування
(Національний університет "Києво-Могилянська академія", 2025) Сітьков, Ілля; Гулаєва, Наталія
У роботі розглядається агентна модель виникнення та розвитку мови – Еволюційна Гра в Іменування (ЕГІ) [1-3]. Модель представлена популяцією агентів, розміщених у двовимірній квадратній сітці з довжиною сторони L.
GPU-орієнтована бідіагоналізація в алгоритмі сингулярного розкладу з швидкою дефляцією та паралельним розбиттям
(Національний університет "Києво-Могилянська академія", 2025) Сухарський, Сергій
У роботі розглянуто GPU-орієнтований алгоритм SVD, що намагається усунути проблеми традиційних підходів завдяки масштабованій, опортуністичній дефляції на бідіагональній формі з негайним розбиттям на незалежні підзадачі.
Каузальне моделювання поведінки користувача у цифрових сервісах
(Національний університет "Києво-Могилянська академія", 2025) Білінський, Павло
В цій роботі окреслюється напрямок дослідження - розробка методів побудови каузальних представлень часових даних із застосуванням до аналізу поведінки користувача в цифровому продукті.
Використання нейромереж для автоматичного поновлення даних у спеціалізованих предметних областях
(Національний університет "Києво-Могилянська академія", 2025) Нагнибіда, Андрій
Робота "Використання Нейромереж для Автоматичного Поновлення Даних у Спеціалізованих Предметних Областях" присвячена дослідженню нейромережевих підходів до безперервного оновлення знань у спеціалізованих областях на основі офіційних джерел із застосуванням каналу надходження даних, виявлення змін, RAG-витягу фактів і валідації людиною (human-in-the-loop) для подолання інформаційного перевантаження.
Moore-Penrose Pseudoinverse Matrix
(Національний університет "Києво-Могилянська академія", 2025) Kravchuk, Oleg; Kriukova, Galyna
The Moore-Penrose pseudo-inverse is a foundational concept in modern numerical linear algebra, offering a principled approach to solving ill-posed and inconsistent systems arising in machine learning and other fields. This paper explores the pseudo-inverse from five distinct perspectives — axiomatic, variational, regularization, spectral, and algebraic graph theory — highlighting its theoretical depth and practical relevance across disciplines such as machine learning, signal processing, and network analysis.
Гра з неповною інформацією на прикладі спортивного бетінгу
(Національний університет "Києво-Могилянська академія", 2025) Куцалаба, Назарій; Чорней, Руслан
У сучасному спортивному аналітичному середовищі прогнозування результатів матчів є однією з ключових задач, що поєднує методи статистики, машинного навчання та теорії ігор.
DecisioNet з пропорційним розподілом обчислювальних потужностей
(Національний університет "Києво-Могилянська академія", 2025) Мокрий, Михайло; Швай, Надія
У цьому дослідженні розглянуто нейронну мережу з бінарною деревоподібною структурою DecisioNet (DN) [1], яка належить до категорії нейронних дерев рішень [2] та представлено нову версію моделі з пропорційним розподілом обчислювальних ресурсів.
Методика тренування глибокої нейронної мережі DeepLabV3 для семантичної сегментації об'єктів на супутникових зображеннях
(Національний університет "Києво-Могилянська академія", 2025) Колінько, Павло
Семантична сегментація є фундаментальною та найобширнішою задачею комп'ютерного зору, що полягає у класифікації кожного пікселя зображення відповідно до його класу, на виході формуючи так звану “маску”. Застосування семантичної сегментації до супутникових знімків супроводжується специфічними викликами: надвисока роздільність зображень, велика варіативність масштабів об'єктів (для дерев - як поодинокі дерева, так і лісові масиви, для водойм - невеликі затоки або широкі озера), атмосферні перешкоди, сезонні зміни забарвлення рослинності, та значний дисбаланс класів.
Design of an Intelligent Agent for Autonomous Microservice Optimization in Enterprise Systems
(Національний університет "Києво-Могилянська академія", 2025) Vanin, Danylo
This study introduces a conceptual framework for an intelligent agent designed to autonomously optimize microservice-based enterprise systems. Microservice architecture [3] serves as the basis for scalable and modular enterprise solutions, supporting agile DevOps practices and enabling independent deployment, updating, and management of services. While these features accelerate release cycles and improve maintainability, they also create persistent operational and architectural challenges [4, p. 633-634] that often necessitate manual intervention. These issues are especially significant in corporate settings, where requirements are dynamic and influenced by organizational, legal, and economic factors. In response, the software engineering field is increasingly exploring AI-driven approaches [1, p. 12]. Although machine learning has been utilized for anomaly detection [2], auto-scaling, and traffic routing, there remains a gap in the development of fully autonomous agents capable of intelligent architectural analysis and modification. The proposed agent addresses these challenges through a modular architecture that includes monitoring, decision-making, execution, and safety verification modules. The decision component employs reinforcement learning and formal quality models to balance objectives such as performance, cohesion, and latency, while maintaining adherence to system constraints. This design seeks to reduce architectural drift, improve service modularity, and support adaptive system behavior in real time. The agent is intended as a foundational element for intelligent DevOps and self-optimizing enterprise software systems.
Використання Mixture of Experts з LLM-агрегатором для торговельного бота
(Національний університет "Києво-Могилянська академія", 2025) Салата, Кирило
Традиційні моделі машинного навчання досить часто стикаються з проблемою перенавчання та неможливістю урахування ринкових умов, через те що фінансові ринки характеризуються високою волатильністю та великою кількістю шуму у даних. Останнім часом для вирішення цих проблем все більше уваги звертають на архітектуру Mixture of Experts (MoE), яка містить суміш експертів, які можуть підвищити узагальнюючу здатність за рахунок використання декількох спеціалізованих експертних підсистем[1].
Контроль інтенсивності емоцій в українському синтезі мовлення через крос-мовне перенесення знань та адаптери LoRA
(Національний університет "Києво-Могилянська академія", 2025) Іващенко, Дмитро
Емоційна виразність є критичною характеристикою природного мовлення, що робить синтез мовлення з контрольованими емоціями важливою задачею в галузі обробки мовлення. Для української мови, яка є малоресурсною в контексті технологій синтезу мовлення, розробка таких емоційних систем залишається актуальною. Сучасні системи синтезу українського мовлення [1] зосереджені переважно на нейтральному мовленні, не забезпечуючи контролю над емоційною складовою. Крім того, відсутність великих емоційно анотованих датасетів українського мовлення ускладнює тренування моделей, здатних синтезувати емоційно виразне мовлення.