122 Комп'ютерні науки

Permanent URI for this collection

https://ekmair.ukma.edu.ua/handle/123456789/18200
Освітньо-наукова програма: Комп'ютерні науки

Browse

Browsing 122 Комп'ютерні науки by Author "Глибовець, Андрій"

Now showing 1 - 6 of 6
  • Thumbnail Image
    Item
    Modeling Distributed Generalized Suffix Trees For Quick Data Access
    (2022) Діденко, Віра; Глибовець, Андрій
    The aim of this work is to distribute generalized suffix tree construction, so the process is efficient in terms of time complexity and memory consumption. A distributed approach to constructing the suffix tree will allow working with large alphabets and very long strings that exceed the available memory capacity. In this work, an efficient and highly scalable algorithm for constructing generalized suffix trees on distributed parallel platforms was modeled. The experimental results proved that the modeled algorithm’s efficiency is no less than the before known Elastic Range algorithm (ERa) while out-performing ERa on specific data.
  • Thumbnail Image
    Item
    Scaling SignalR WebSocket Real-Time Applications
    (2021) Діденко, Віра; Глибовець, Андрій
    Real-time applications depend on persistent connections in order to provide users with high frequency data updates from the application server. The idea behind persistent connections is that when a connection is established it is kept open, hence optimizing the data transfer process by saving time on establishing a new connection. As the number of continuous connections grows in a high-traffic application sustaining a high number of clients, eventually the server can run out of connection resources. In this research work the aim is to scale the persistent connections in order to limit the number of open connections that a single application server has to handle; therefore, designing real-time applications that can serve many clients in an efficient manner. This study introduces WebSocket scaling techniques, focusing on the Azure SignalR Service as the solution for scaling data-intensive applications.
  • Thumbnail Image
    Item
    Архітектура питально-відповідальної системи з елементами самонавчання
    (2021) Андрощук, Максим; Глибовець, Андрій
    В рамках даної роботи проведено огляд питально-відповідальних систем та їх архітектур, розроблено архітектуру питально-відповідальної підсистеми з елементами самонавчання з використанням Telegram, як системи для питань і відповідей нейронних мереж та Google DialogFlow.
  • Thumbnail Image
    Item
  • Thumbnail Image
    Item
    Методологію реалізації розподілених транзакцій у мікросервісній архітектурі
    (2021) Кладько, Ярослав; Глибовець, Андрій
    У рамках цієї дипломної роботи був проведений аналіз різних методів організації розподілених транзакцій у системах із мікросервісною архітектурою, розглянуті методи зберігання даних у реляційних та NoSQL базах даних для збереження історичності модифікації даних та роботи із окремими моделями для читання та запису, описані механізми семантичного блокування та підходи до моделювання оркестраційних об’єктів керування транзакцією. В результаті були запропоновані підходи та принципи до побудови архітектури.
  • Thumbnail Image
    Item
    Побудова семантичної моделі зображення за допомогою машинного навчання
    (2020) Кладько, Ярослав; Глибовець, Андрій
    Можливість знаходити зображення за пошуковим запитом – щоденна проблема інформаційного пошуку. Щодня мільйони людей, шукаючи інформації в інтернеті, прагнути знайти не лише текстові співпадіння, але й мультимедійну інформацію. Причина виникнення такого пошуку досить проста: є колекція мультимедійних документів та потреба користувача в іноформації. Пошук на основі контенту або ж content-based – ефективний метод пошуку іноформації у мультимедійних колекціях документів, ріст яких невпинно збільшується. Ці дані зазвичай зберігаються в електронних бібліотеках. Цей спосіб пошуку чудово доповнює традиційний і розширює його можливості, тому є актуальним, зараз стрімко розвивається і точно буде розвиватися у найближчі роки. Мета дослідження: опанувати архітектурні підходи проектування систем призначених для генерації описів до зображень, розглянути методи машинного навчання, зокрема згорткові та рекурентні нейронні мережі, застосувати набуті знання для генерації опису до фотографій. Об’єкт дослідження: автоматична генерація людською мовою опису до зображення. Предмет дослідження: застосування методів машинного навчання з метою створення автоматично генераваного опису зображення на основі аналізу вмісту самих зображень.