eKMAIR
Electronic Kyiv-Mohyla Academy Institutional Repository
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Середньовіччя і Ренесанс в історіософських концепціях Миколи Бердяєва та Віктора Петрова
(2024) Пелешенко, Наталія
У статті аналізуються історіософські теорії Миколи Бердяєва і Віктора Петрова, які спираються не на поступ і прогрес, а на дуалізм, циклічність, нелінійність, дискретність тощо і розширюють
літературознавчі горизонти в осмисленні змін культурно-історичних епох. Наголошується на тому, що ці концепції формувалися як у спільному європейському культурно-філософському дискурсі, так і в одному інтелектуальному середовищі Києва кінця ХІХ – першої половини ХХ ст. У працях обох мислителів представлена дихотомія Середньовіччя і Ренесансу як двох епохальних типів, кожен із яких утверджується в суспільній і культурній свідомості через заперечення попереднього.
Крем'яна колекція стоянки Підкамінь-Монастир із досліджень 2019 року
(2024) Ступак, Дмитро; Сілаєв, Олександр; Ільчишин, Зоя
Зазначено, що пам’ятка Підкамінь-Монастир локалізована в с. Підкамінь Золочівського району Львівської області на території монастиря домініканців X V -X V IIIct. Вказано, що споруди монастиря розташовані на високому плато (урочище - гора Рожаниця), що підноситься над долинами річок Іква та Серет, на вододілі басейнів Дніпра та Дністра. Зауважено, що під час археологічних досліджень НДЦ "Рятівна археологічна служба" Інституту археології НАН України у 2019 р. на внутрішньому подвір’ї монастиря було виявлено 958 крем’яних артефактів. Доведено, що крем’яні матеріали стоянки Підкамінь-Монастир належать щонайменше до трьох хронологічних періодів. Більшість крем’яних артефактів належить до першого - фінальнопалеолітичного періоду заселення пам’ятки і належать до свідерської культури. Зроблено припущення про вірогідність існування ще одного епізоду заселення пам’ятки у фінальнопалеолітичний час, який пов’язаний із носіями красносільських культурних традицій. Другий період пов’язаний із носіями раделицької традиції кременеобробки часу к інця мезоліту - початку неоліту. Третій період, вірогідніш за все, пов’язаний із існуванням на пам’ятці монастиря.
Поховання шаманок на Посуллі
(2024) Клочко, Любов
Статтю присвячено вивченню матеріалів з поховання двох жінок у могильнику на Посуллі. Захоронення було здійснено в склепі. Над ним відбувалися обряди, пов’язані із запаленням вогнища. Знайдені в склепі артефакти: декоративні елементи вбрання з символікою культів життєдайних богів, деталі спорядження коня, конусоподібне навершя з дзвониками — свідчать про особливий статус небіжчиць. Можливо, вони були жрицями, а у виконанні обрядів застосовували шаманські атрибути.
Діагностика рівня сформованості у здобувачів вищої освіти комунікативності як професійно значущої здібності педагога
(2024) Горобець, Інна
У статті проаналізовано особливості комунікативності майбутнього вчителя в професійній діяльності у психологічній літературі; охарактеризовано основні способи комунікативного самовиховання як засобу організації діяльності, а також принципи організації спілкування; обґрунтовано функції спілкування щодо умов і факторів людської діяльності у психологічній науці. Обґрунтовано тезу про те, що ефективність професійно-педагогічного спілкування вчителя залежить від рівня сформованості його комунікативної культури. Природною основою комунікативної культури є комунікабельність людини. Потреби у спілкуванні можуть зумовлюватися: спробою зняти внутрішнє напруження та занепокоєння; бажанням отримати схвалення, визнання своєї неповторності та унікальності з боку оточуючих; уточненням (підтвердженням) своїх уявлень про іншу людину, її здібності та якості; прагненням активно впливати на напрям думок іншої людини; проявом турботи про іншого, альтруїзму. Досліджено, що діагностика рівня сформованості у здобувачів освіти комунікативності як професійно значущої здібності сприяє: всебічному розвитку; самовдосконаленню; бажанню вчитися впродовж усього життя; розумінню інформаційно-комунікаційних процесів; здатності застосовувати опановане у професійній діяльності; удосконалювати професійну майстерність; застосовувати набуті знання в управлінській та повсякденній практиці.
Empowering Ukrainian students through creative writin
(Liha-Pres, 2024) Badior, Nataliia; Pavlenko, Larysa
This paper is a report on a therapeutic effect of writing when used as a tool to document events and experiences with further reflection on one‟s opinions, thoughts, and feelings. Our findings about remedial and power of writing are consistent with previous research in the field of narrative medicine [1, p. 137–152], psychological rehabilitation [6], and social media.
Передмова
(2025) Глибовець, Микола
Передмова до Т. 8 наукового журналу "Наукові записки НаУКМА. Комп’ютерні науки".
Пропонуємо вашій увазі випуск наукового журналу "Наукові записки НаУКМА. Комп’ютерні науки". Цей збірник відображає творчі досягнення вчених і магістрів факультету інформатики Національного університету "Києво-Могилянська академія", а також провідних науковців із різних наукових центрів України, що взаємодіють із нашим університетом у галузі інформатики, кібернетики та програмування.
MorphoNAS-Benc: a benchmark suite for morphogenetic neural network generation
(2025) Medvid, Serhii
We present MorphoNAS-Bench, a benchmark and toolkit for neural architecture search (NAS) using a generative, developmentally inspired design space. Unlike current NAS benchmark datasets (NAS-Bench-101, NATS-Bench) that use static graph encodings of networks, in MorphoNAS-Bench networks are simple, compact genomes that drive morphogenetic development, allowing for a variety of richly defined, spatially embedded recurrent architectures that emerge through different forms of deterministic growth. The following local developmental rules are used in MorphoNAS to grow genomes: morphogen diffusion, cell division, differentiation, and axon guidance as key mechanisms. The seed benchmark dataset presented in this work consists of 1,000 genome-architecture pairs, taken from a pool of over 50,000 generation attempts using the following quality thresholds: a minimum 5 neurons, 3 edges, and 70% out-degree coverage. The dataset was constructed using Latin Hypercube Sampling (LHS) with orthogonal array design to ensure comprehensive parameter space coverage. The attempts were conducted using both fully stratified parameter sampling and a biologically inspired Genome.random() sampling method, ensuring a reasonable level of coverage of the search space while being plausible. Each sample includes detailed annotations of graph entropy, hierarchy scores, core-periphery structure, transitivity, reciprocity, and structural balance metrics. We share an analysis of the emergent properties like size, modularity, grouping, and efficiency, demonstrating that both generation strategies can produce structured networks that are rich in their nontriviality. The provided Python toolkit provides the means of investigation to test how genomes develop into neural networks, with associated structural analysis, framing MorphoNAS-Bench as a reproducible and biologically inspired testbed for any research studies exploring architecture diversity, evolution, and emergent structure in NAS.
Програмна система класифікації текстів на основі машинного навчання та рекурентної нейронної мережі
(2025) Глибовець, Андрій; Дубовик, Андрій; Афонін, Андрій
У цій роботі описано побудову та результати тестування програмної системи автоматичної класифікації текстів, яка полягає в розподілі текстів за певними категоріями, зокрема текстів українською мовою. Наш застосунок побудований на використанні трьох моделей — Naive Bayes, Support Vector Machine, LSTM — архітектури рекурентної нейронної мережі Recurrent Neural Network (RNN) та їх комбінації. Він дає змогу доволі швидко і точно класифікувати тексти, надавати користувачу можливість зручним способом натренувати систему на власних даних і досить просто налаштувати параметри для оптимальних результатів. Для ефективного опрацювання вхідних даних і реалізації алгоритму класифікації ми вибрали мову програмування Python. Основними бібліотеками реалізації функціоналу застосунку стали TensorFlow, scikit-learn (для надання простого та зрозумілого інтерфейсу), Natural Language Toolkit (nltk), NumPy, Pandas. Matplotlib і seaborn застосовували для візуалізації даних і побудови графіків. Розроблений графічний застосунок здатен розпізнавати тексти (англійською або українською мовою) чотирьох категорій (World, Sports, Science / Technology, Business) з точністю близько 92 %. Для навчання моделей ми застосували AG News Classification Dataset із kaggle.com. Тестування застосунку підтвердило припущення, що спеціалізовані моделі, крім того, що є значно ефективнішими в плані використання ресурсів, також можуть демонструвати кращий результат у класифікації текстів, ніж LLM. Система також може бути швидко адаптована й до задачі фільтрації спаму. За декілька секунд можна отримати SVM модель, яка зможе розпізнавати типові спам-повідомлення з точністю близько 99 %. Так само були протестовані можливості системи при розпізнаванні емоційної забарвленості тексту. Вдалося досягти точності 87,75 %.
Modern approaches to controllable emotional speech synthesis
(2025) Ivashchenko, Dmytro; Marchenko, Oleksandr
The generation of emotionally expressive and controllable speech is one of the most dynamic and technically demanding areas in the intersection of artificial intelligence, natural language processing, and speech synthesis. Recent progress in emotional text-to-speech (TTS) systems has enabled increasingly natural and emotionally nuanced voice generation, shifting from early concatenative methods to advanced neural models. This review provides a structured overview of the state of the art in controllable emotional TTS, highlighting key architectural paradigms. A special focus is placed on emotional control mechanisms, including discrete emotional tagging with categorical or dimensional labels, reference-based control which conditions synthesis on prosodic or stylistic exemplars, and prompt-based techniques that leverage the capabilities of large language models for flexible and intuitive emotional specification. Despite substantial improvements in synthesis quality and emotional expressiveness, several critical challenges remain unresolved. These include the disentanglement of emotional, speaker, and prosodic features, the lack of standardized evaluation metrics for emotional clarity and naturalness, and the significant computational demands associated with training high-fidelity models. Furthermore, the scarcity of diverse and emotion-labeled speech data, especially for low-resource and morphologically rich languages, continues to limit the generalizability of current approaches. This review not only summarizes existing methods and their trade-offs but also outlines promising research directions, aiming to support the development of more robust, efficient, and emotionally expressive speech generation systems.
A hybrid AI model for financial market prediction
(2025) Voitishyn, Mykyta; Kuzmenko, Dmytro
Financial time series modeling is increasingly complex due to volatility, unexpected breakouts, and the impact of external factors, such as macroeconomic indicators, investor sentiment, company fundamentals, and extreme shocks, like geopolitical events or market manipulations. This paper introduces a hybrid artificial intelligence framework that integrates traditional statistical methods, machine learning models, and Bayesian neural networks (BNNs) to improve predictive performance and uncertainty quantification in financial forecasting. The model leverages a variety of engineered features, including rolling statistics, technical indicators, anomaly scores, interpolated macroeconomic data, and transformer-based sentiment scores. A complete ablation study compares various architectures, including ARIMA, SARIMA, MLR, SNN, and BNN, across multiple prediction windows (1, 3, 5 days) and feature combinations. Results show that while linear models yield the lowest MSE for short-term predictions, they fail to capture non-linear dependencies and uncertainty. In contrast, BNNs offer more reliable mid-term predictions by estimating predictive distributions. The best BNN configuration (Normal distribution, constant variation, TanH activation, 1 hidden layer) achieved an MSE of 0.00022, confirming the advantage of uncertainty-adjusted modeling. Sentiment analysis and anomaly detection were especially impactful when combined with macroeconomic indicators, improving signal reliability and behavioral insight. Our findings highlight the importance of integrating diverse data sources and accounting for predictive uncertainty in financial applications. Additionally, the experiments revealed that compact network architectures often outperform deeper ones when paired with engineered features. All experiments were systematically tracked to ensure reproducibility and facilitate future model benchmarking.
Застосування графових баз даних і Explainable AI у створенні рекомендаційної системи з гібридним способом фільтрації
(2025) Глибовець, Микола; Сидорова, Єлізавєта
У дослідженні описано побудову рекомендаційної системи з гібридним способом фільтрації, що використовує гетерогенні графові структури, нейронні мережі та Explainable AI заради підвищення персоналізації та прозорості рішень. Базова методологія оптимізації рекомендацій ґрунтується на сучасних методах машинного навчання, які здатні ефективно моделювати залежності між об’єктами. Предметна область задачі охоплює мультимедійні рекомендації, зосереджені на персоналізованому підході. Представлена архітектура системи дає можливість ефективно обробляти множину вузлів різних типів і зв’язків (набір взаємодій, належність елементів до жанру, подібність), що відображають комплексні ознаки поведінкових і контекстуальних даних. Результати експериментального тестування підтвердили ефективність запропонованого підходу: система демонструє високі показники персоналізації, новизни рекомендацій та здатності виявляти подібних користувачів.
Validating architectural hypotheses in Neural Decision Trees with Neural Architecture Search
(2025) Mykytyshyn, Artem; Shvai, Nadiia
This article introduces an automated and unbiased framework for validating architectural hypotheses for neural network models, with a particular focus on Neural Decision Trees (NDTs). The proposed methodology employs Neural Architecture Search (NAS) as an unbiased tool to explore architectural variations and empirically assess theoretical claims. To demonstrate this framework, we investigate a hypothesis found in the literature: that the complexity of decision nodes in NDTs decreases monotonically with tree depth. This assumption, initially motivated by the task of monocular depth estimation, suggests that deeper nodes in the tree require fewer parameters due to simpler split functions. To rigorously test this hypothesis, we conduct a series of NAS campaigns over the CIFAR-10 image and fully connected layers, while all other architectural components are held constant to isolate the effect of node depth. By applying Tree-structured Parzen Estimator (TPE)-based NAS and evaluating over 300 architectures, we quantify complexity metrics across tree levels and analyze their correlations using Spearman’s rank coefficient. The results provide no statistical or visual evidence supporting the hypothesized trend: node complexity does not decrease with depth. Instead, complexity remains nearly constant across levels, regardless of tree depth or search space size. These results suggest that assumptions derived from specific applications may not generalize to other domains, underscoring the importance of empirical validation and careful searchspace design. The presented framework may serve as a foundation for verifying other structural assumptions across various neural network families and applications.
Robustness of Neural Decision Trees to noise in input data for image classification tasks
(2025) Mokryi, Mykhailo; Shvai, Nadiia
Neural networks, particularly convolutional neural networks (CNNs), have demonstrated high effectiveness in image classification tasks. However, they are known to be vulnerable to input data perturbations and have weak interpretability due to their black-box nature. In contrast, traditional decision trees (DTs) provide transparent decision-making processes, but are limited to low-dimensional or tabular data, restricting their field of application in computer vision tasks such as image classification. To address this gap, a hybrid architecture known as Neural Decision Trees (NDTs) has emerged, combining strong generalization and learning capabilities of neural networks, with transparent hierarchical inference and interpretability of DTs. The article investigates the robustness of NDTs to noise in input data for image classification tasks. Despite the extensive studies covering the robustness of both CNNs and traditional DTs against various forms of input perturbations, the robustness of NDT models remains a largely underexplored area. This study provides two robust training methods to improve robustness: constant noise learning and incremental noise learning, originally developed for CNNs, but which can be effectively applied to NDT-based architectures and significantly improve the robustness to noisy images for models. These methods involve adding perturbed samples via a Gaussian blur during the training stage. The noisy test set consists of images perturbed
by a Gaussian blur and is used to evaluate the robustness performance. A series of experiments were conducted on the CIFAR-10 dataset using the original training baseline and robust training methods. The results demonstrate that constant and incremental noise learning significantly improve the robustness of all tested NDT models to noisy images compared to their original training performance. While the ResNet18 baseline model demonstrates higher overall performance, the NDT models show comparable robustness improvements using the proposed robust training strategies. Constant noise learning offered an adjustable trade-off between performance on clean and noisy images, while incremental noise learning provided a more stable training process. The first method is considered preferable due to the simplicity of implementation. This study empirically confirms that NDT models can effectively use methods adapted from CNNs to improve their robustness against perturbations in input data. An NDT framework was developed to conduct
training and validation using a standardized shared pipeline. It is available via the link: github.com/ MikhailoMokryy/NDTFramework.
Energy conservation for autonomous agents using reinforcement learning
(2025) Beimuk, Volodymyr; Kuzmenko, Dmytro
Reinforcement learning (RL) has shown strong potential in autonomous racing for its adaptability to complex and dynamic driving environments. However, most research prioritizes performance metrics such as speed and lap time. Limited consideration is given to improving energy efficiency, despite its increasing importance in sustainable autonomous systems. This work investigates the capacity of RL agents to develop multi-objective driving strategies that balance lap time and fuel consumption by incorporating a fuel usage penalty into the reward function. To simulate realistic uncertainty, fuel usage is excluded from the observation space, forcing the agent to infer fuel consumption indirectly. Experiments are conducted using the Soft Actor-Critic algorithm in a high-fidelity racing simulator, Assetto Corsa, across multiple configurations of vehicles and tracks. We compare various penalty strengths against the non-penalized agent and evaluate fuel consumption, lap time, acceleration and braking profiles, gear usage, engine RPM, and steering behavior. Results show that mild to moderate penalties lead to significant fuel savings with minimal or no loss in lap time. Our findings highlight the viability of reward shaping for multi-objective optimization in autonomous racing and
contribute to broader efforts in energy-aware RL for control tasks. Results and supplementary material are available on our project website.
Innovative technologies in teaching foreign language for professional purposes
(2024) Horobets, Inna
The article deals with the role of innovative technologies in learning and teaching foreign language for professional purposes. Innovative technologies contribute to the motivation to learn a foreign language, efficiency and personalization of the learning process, active pedagogical interaction of teachers and students, optimize conditions for the creative use of information in the individual cognitive activity of students because foreign language professional competence becomes the most important characteristic for a specialist who is in great demand on the labor market. Information and communication technologies (ICT) are increasingly used as a public product that ensures the intensification of all spheres of the economy, the acceleration of scientific and technical progress, the development of pedagogical science, and the democratization of society. The innovative culture was analyzed as a system of values corresponding to the innovative development of society, the state, regions, economic sectors, enterprises, institutions, organizations, reflecting individual psychological qualities, other most important social values of a person, which contribute to the formation and development of an innovative and active personality. Innovative methods of teaching foreign languages, which are based on a humanistic approach, aimed at the development and self-improvement of the individual, at the disclosure of his reserve capabilities and creative potential, create prerequisites for effective improvement of the educational process in higher educational institutions. The possibilities of multimedia educational programs are argued, which are expanding every year, enriching the educational environment with bright and dynamic visibility. Pedagogical forums, conferences, “round tables”, distance discussions, and distance learning are held on the Internet. It has been proven that the use of computer technologies when learning a foreign language of a professional direction opens up access to new sources of information, increases the motivation of students to receive and process professional information in a foreign language, increases the efficiency of independent work, provides new opportunities for creativity, acquisition and consolidation of professional skills, allow to implement qualitatively new forms and methods of teaching a foreign language in a professional direction.
Використання одно- та багатомовних моделей на базі BERT для вирішення задач автоматичного оброблення текстів
(2025) Ванін, Данило
Обʼєктом дослідження цієї статті є одно- та багатомовні моделі на основі BERT. Предметом дослідження було порівняння продуктивності таких моделей на завданнях ОПМ із наголосом на їх застосуванні для української мови. Методологічну основу порівняльного аналізу становило використання стандартних підходів до навчання та оцінки моделей. У дослідженні використовувались
доступні джерела інформації. Загалом результати дослідження свідчать про те, що як одномовні, так і багатомовні моделі на основі BERT можуть бути ефективними для вирішення завдань ОПМ залежно від конкретної мови, завдання та доступних ресурсів. Хоча одномовні моделі часто перевершують багатомовні у завданнях своєї конкретної мови, багатомовні моделі можуть мати перевагу, коли ресурси для навчання одномовних моделей обмежені. Проведене порівняння роботи одно- та багатомовних моделей для різних мов додатково підкреслило важливість проведення окремого порівняння їх застосування для української мови. Проведений аналіз сприятиме створенню комплексного україномовного бенчмарку, що покращить якість моделей і стимулюватиме нові дослідження у галузі ОПМ для української мови, розроблення нових, більш ефективних моделей.
Вплив методів добування знань на ефективність RAG-систем на основі графів
(2025) Андрощук, Максим
Стаття досліджує, як методи добування знань впливають на ефективність RAG-систем, що використовують графи знань. Вона показує, що якість графа знань, сформованого різними методами добування знань, є ключовою для подолання обмежень великих мовних моделей (LLM), таких як "галюцинації". Робота аналізує архітектури LightRAG і GraphRAG та підкреслює, що вибір оптимальної KE-стратегії залежить від конкретних завдань і предметної області.
Аугментація даних у комп’ютерному зорі із використанням генеративних моделей
(2025) Чоловський, Сергій; Бучко, Олена
У статті представлено огляд сучасних підходів до використання генеративних моделей для аугментації даних у задачах комп’ютерного зору. Показано, що ці моделі здатні генерувати високоякісні зображення та різні типи розмітки, що забезпечує їхню ефективність у широкому спектрі прикладних задач. Важливою умовою є недопущення витоку даних під час застосування переднавчених моделей. Проаналізовано методи оцінювання якості синтетичних даних, зокрема використання метрик візуальної якості та відповідності обумовлення, часто із залученням допоміжних моделей. Окреслено перспективні напрями подальших досліджень, зокрема забезпечення якості генерації без використання допоміжних моделей та розроблення методів вибору зразків для аугментації для найбільш ефективного навчання.
Оцінка трансформерних моделей mT5 для українсько-англійського перекладу
(2025) Махаммедов, Жан; Кирієнко, Оксана; Ткаченко, Владислав
Цю статтю присвячено кількісному вивченню впливу розміру архітектури Transformer на точність українсько-англійського машинного перекладу з використанням моделі mT5. Досліджено ефективність роботи моделей mT5 різних розмірів (small, base, large) щодо часу навчання, часу генерації перекладів і якості перекладу, оціненої метриками BLEU та chrF++. Результати показують, що більші моделі mT5 демонструють вищу якість перекладу, але потребують значно більше обчислювальних ресурсів. Результати дослідження підтверджують доцільність застосування моделей mT5 для українсько-англійського перекладу, навіть на типових обчислювальних системах.
Автоматична класифікація текстів
(2025) Дубовик, Андрій; Волинець, Євгеній
У цьому дослідженні здійснено аналіз сучасних підходів до класифікації текстової інформації. Особливу увагу приділено автоматичній класифікації текстів, що передбачає їхній розподіл за визначеними категоріями без використання ручного аналізу. Розглянуто й порівняно ефективність різних методів класифікації з акцентом на гібридні системи, які здатні поєднувати переваги окремих підходів і забезпечувати підвищену точність та продуктивність моделей. Також обґрунтовано вибір інструментальних засобів для подальшої програмної реалізації системи автоматизованої класифікації текстів за категоріями. Для навчання моделей запропоновано використовувати збірку AG News Classification Dataset з платформи kaggle.com. Доцільним вважається обмеження класифікаційного процесу комбінацією трьох моделей — Naive Bayes, Support Vector Machine (SVM) та Recurrent Neural Networks (RNN), які вирізняються невисокими вимогами до обчислювальних ресурсів і часу на тренування.