Факультет інформатики
Permanent URI for this collection
Browse
Recent Submissions
Item Nowcasting як сучасний підхід до оцінювання ВВП України: порівняння з традиційними моделями прогнозування(Національний університет "Києво-Могилянська академія", 2025) Болотов, Єгор; Дрінь, СвітланаМетою 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.Item Фрактально-дифузійні генеративні моделі: ієрархічний підхід до синтезу зображень(Національний університет "Києво-Могилянська академія", 2025) Шалімов, Андрій; Авраменко, ОльгаУ 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.Item PINN Modeling of Interfacial Gravity-Capillary Waves(Національний університет "Києво-Могилянська академія", 2025) Avramenko, Olha; Sontikov, MaksymThis 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.Item ML-підхід до ідентифікації емоцій у звукових записах на базі MFCC(Національний університет "Києво-Могилянська академія", 2025) Тимошевський, ДанилоУ 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.Item Гра з неповною інформацією на прикладі спортивного бетінгу(Національний університет "Києво-Могилянська академія", 2025) Куцалаба, Назарій; Чорней, РусланУ сучасному спортивному аналітичному середовищі прогнозування результатів матчів є однією з ключових задач, що поєднує методи статистики, машинного навчання та теорії ігор.Item Efficient Policy Learning via Knowledge Distillation for Robotic Manipulation(Національний університет "Києво-Могилянська академія", 2025) Severhin, Oleksandr; Kuzmenko, Dmytro; Shvai, NadiyaThe work focuses on the computational intractability of large-scale Reinforcement Learning (RL) models for robotic manipulation. While world-like models like TD-MPC2 demonstrate high performance in various manipulative tasks, their immense parameter count (e.g., 317M) hinders training and deployment on resource-constrained hardware. This research investigates Knowledge Distillation (KD) with a loss function specifically described in [1] and [2] as a primary method for model compression. This involves training a lightweight "student" model to mimic the behavior of a large, pre-trained "teacher" model. Unlike in supervised learning, distilling knowledge in RL is uniquely complex; the objective is to transfer a dynamic, reward-driven policy, not a simple input-output function.Item Розпізнавання емоційних станів під час перегляду відео на основі даних GSR, пульсу та візуального відстеження(Національний університет "Києво-Могилянська академія", 2025) Глибовець, Андрій; Хмель, СвітланаМетою даної роботи є створення прототипу системи розпізнавання емоційних станів користувача під час перегляду відео, який об’єднує дані гальванічної реакції шкіри (GSR), частоти серцевих скорочень (ЧСС) та напрямку погляду.Item До питання узагальненого метапрограмування в C++(Національний університет "Києво-Могилянська академія", 2025) Бублик, Володимир; Трохимчук, АртемПрограмування історично розвивалося у двох основних стилях: імперативному та декларативному (зокрема, функціональному). Ітерація є ключовим засобом організації обчислень в імперативному програмуванні, яке, за своєю суттю, є програмуванням над комірками пам'яті. На противагу цьому, рекурсія є основним інструментом функціонального (декларативного) програмування, яке не вимагає явного керування пам'яттю та операцій присвоєння.Item Порівняльний аналіз Django і Express.js: критерії вибору та сфери застосування у web-розробці(Національний університет "Києво-Могилянська академія", 2025) Пєчкурова, Евеліна; Пєчкурова, ОленаУ сучасній web-розробці використання фреймворків є невід’ємною складовою ефективної реалізації web-застосунків. Фреймворки забезпечують розробникам набір інструментів і шаблонів для спрощення створення, підтримки та масштабування проєктів. Основна мета їх використання полягає в автоматизації повторюваних задач, покращенні організації коду та підвищенні безпеки застосунків.Item Розрізнення безкоштовних застосунків і пробних версій платних macOS-застосунків на публічних маркетплейсах(Національний університет "Києво-Могилянська академія", 2025) Літвінчук, Захар; Франків, Олександр; Петелєв, Євгеній; Кривоблоцький, С.; Стулова, Н.Стрімкий розвиток маркетплейсів програмного забезпечення привів до їх комерціалізації. Межа між справді безкоштовними застосунками та продуктами з платними обмеженнями розмивається. У цих умовах прозорість монетизації та коректність маркування стають критично важливими: різноманіття моделей монетизації (підписки, внутрішні покупки, пробні періоди), непослідовне розкриття платних функцій ускладнюють ручну перевірку й підвищують ризики для користувачів і модерації. Це зумовило потребу в автоматизованому підході до категоризації застосунків за моделлю монетизації.Item Hybrid AI Model for Financial Market Prediction(2025) Voitishyn, Mykyta; Kuzmenko, DmytroFinancial 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.Item Застосування графових баз даних і Explainable AI у створенні рекомендаційної системи з гібридним способом фільтрації(2025) Глибовець, Микола; Сидорова, ЄлізавєтаУ 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.Item Validating Architectural Hypotheses in Neural Decision Trees with Neural Architecture Search(2025) Mykytyshyn, Artem; Shvai, NadiiaThis 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.Item Energy Conservation for Autonomous Agents Using Reinforcement Learning(2025) Beimuk, Volodymyr; Kuzmenko, DmytroReinforcement 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.Item Оцінка трансформерних моделей mT5 для українсько-англійського перекладу(2025) Махаммедов, Жан; Кирієнко, Оксана; Ткаченко, ВладиславЦю 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.Item Автоматична класифікація текстів(2025) Дубовик, Андрій; Волинець, ЄвгенійУ 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.Item Порівняння архітектур нейронних мереж для сегментації пухлин мозку(2025) Бучко, Олена; Плахотна, Дар’яУ роботі досліджено ефективність сучасних архітектур глибокого навчання для сегментації медичних зображень у задачі виявлення пухлин мозку. Проведено порівняльний аналіз моделей FCN, DeepLabv3+, PSPNet та Attention U-Net. Окрему увагу приділено впливу попереднього самоконтрольованого навчання на якість сегментації в умовах обмеженої кількості розмічених даних. Для оцінювання результатів використано метрику подібності.Item Автоматизована система виявлення аномалій у бізнес-даних(2025) Постніков, Михайло; Гороховський, СеменУ статті описано проведений аналіз процесу виявлення аномалій у бізнес-даних, відомі програмні рішення, сформульовано вимоги до системи та описано розроблену автоматизовану програмну систему виявлення аномалій. Ця система складається з програмних модулів, має високу адаптивність, є легкою до модифікації і зручною у використанні. Розроблена система повністю відповідає поставленим раніше вимогам: легкість у налаштуванні забезпечується інтерфейсом користувача і інтерактивним процесом, гнучкість і легкість кастомізації — обраними технологіями та архітектурними абстракціями, надійність — розділенням компонентів через чергу задач, функціональні вимоги — розробленими складовими модулями. Система виконує поставлену задачу автоматизованого виявлення аномалій у бізнес-даних і відповідає сучасним стандартам у галузі даних.Item Омнічейн-інтеграція токена MOR на основі стандартів LayerZero OFT і Wormhole NTT(2025) Яременко, Петро; Гороховський, КирилоУ статті представлено проєкт MORSOL — омнічейн-рішення для токена MOR, що поєднує стандарти LayerZero OFT і Wormhole NTT. Архітектура інтегрує Solana (Anchor-програма) та EVM-смартконтракти з мережевими компонентами LayerZero і Wormhole. Для контролю емісії використано мультипідпис: Squads Vault на Solana та Gnosis Safe на EVM. Описано реалізацію механізму burn/mint під час передання токенів між мережами, підтвердження VAA, а також безпекові функції, як-от пауза контрактів і контроль загальної емісії. Результати демонструють, що поєднання OFT і NTT дозволяє створити нативний мультиланцюговий токен MOR без обгортання, зі збереженням єдиної емісії та високою децентралізацією.Item Development of an iOS Application for Task Planning with Consideration of the User’s Emotional State(2025) Piz, Mariana; Nahirna, AllaThe article focuses on the development of a digital tool designed to address the problem of decreased productivity caused by emotional exhaustion. The main objective of the study is to create an iOS application for task planning that takes into account the user’s emotional state, offers mindful breaks for emotional awareness and recovery, and provides analytics on emotional trends. The research includes a comparative analysis of existing software solutions in the areas of time management and mental well-being. During the development process, modern frameworks, tools, and architectural patterns for iOS development were analyzed. An adaptive planning algorithm was implemented, that takes into accountboth the user’s emotional feedback and the attributes of tasks. As a result of the research, a mobile application named Moodpace was developed using Swift, with SwiftUI for building the user interface, SwiftData for data persistence, and the MVVM architectural pattern to ensure maintainable code structure. During the development process, SwiftLint was used for static code analysis, and SwiftFormat was integrated for automatic code formatting. The app was localized into Ukrainian using String Catalog. The developed application is designed to help users manage their tasks while maintaining balance with their mental well-being. It is suitable for everyday use and especially beneficial for individuals with flexible schedules.