Розглянуто проблему виявлення аномалій у мережному трафіку та запропоновано комплексне рішення для підвищення рівня кібербезпеки організацій різного масштабу. Здійснено порівняльний аналіз наявних систем моніторингу та виявлення аномалій, включаючи як відкриті рішення, так і комерційні продукти.
Цифрова трансформація публічних сервісів є ключовим напрямом модернізації державного управління в умовах інформаційного суспільства. Зростання вимог громадян до швидкості, доступності та якості послуг зумовлює потребу у впровадженні інтелектуальних технологій. Використання штучного інтелекту, машинного навчання та аналітики великих даних відкриває нові можливості для оптимізації процесів, прогнозування навантаження, виявлення аномалій і підтримки управлінських рішень.
У статті досліджено підходи до прогнозування напрямів розвитку ІТ-ринку на основі методів машинного навчання. Актуальність роботи зумовлена високою динамікою цифрової економіки, швидкими змінами технологічних трендів та потребою у науково обґрунтованих інструментах аналізу ІТ-сфери. Метою дослідження є побудова моделі прогнозування, здатної виявляти закономірності у соціально-економічних, технологічних та поведінкових показниках, що визначають стан і перспективи розвитку ІТ-ринку.
У статті представлено розробку інтерактивної системи розпізнавання та класифікації жестів рук людини на основі технологій машинного навчання. Запропоновано новий підхід до подання жестів, який поєднує просторові і часові характеристики розташування ключових точок руки, що забезпечує високу точність, стійкість до шумів та адаптивність системи до різних умов використання. Особливістю розробки є метод інтерактивного навчання, який дає змогу користувачам без спеціальних технічних знань швидко додавати нові жести за обмеженої кількості навчальних даних.
Прогнозування залишкового пробігу електромобіля (EV) є критично важливим завданням для підвищення ефективності планування поїздок, зниження ризику повної розрядки батареї та покращення користувацького досвіду. Одним із основних факторів, що ускладнює точність таких прогнозів, є деградація літій-іонних батарей, яка поступово знижує їхню ємність і впливає на запас ходу. У цій статті досліджується вплив врахування деградації батареї через показник стану здоров’я (SoH) на точність прогнозування пробігу за допомогою алгоритмів машинного навчання.
У статті представлено результати математичного та комп’ютерного моделювання процесу стикового зварювання оцинкованих сталевих штаб, з яких формували армувальні профілі, що використовуються у виробництві металопластикових вікон. Актуальність дослідження зумовлена необхідністю підвищення якості з’єднань та стабільності виробничих процесів у галузі віконного виробництва. Основною метою роботи є побудова моделей, здатних з високою точністю прогнозувати міцність профілю у місті зварного з’єднання на основі ключових параметрів зварювання.
У цій статті пропонується нова архітектура багатоагентної системи та її формальна специфікація для аналізу та адаптивної корекції навчальних траєкторій студентів за допомогою програмних агентів у цифрових навчальних середовищах. Запропонований підхід інтегрує інструменти штучного інтелекту, часову логіку та багатоагентну системну архітектуру для забезпечення персоналізованої адаптації освітнього контенту.
Актуальність дослідження зумовлена зростаючою потребою в автоматизації процесів аналізу та корекції текстів, зокрема для україномовного контенту, який відзначається багатством морфологічної і синтаксичної структури. Через широкий спектр помилок, що можуть виникати у текстах, від орфографічних до контекстуальних, існує нагальна потреба у створенні систем, здатних точно ідентифікувати помилки та пропонувати їх коректні виправлення. Специфіка української мови, включаючи складність її граматики та багатогранність, потребує адаптації моделей машинного навчання до локальних особливостей.
WebAssembly (WASM) has emerged as a compelling and transformative solution for executing high- performance Artificial Intelligence (AI) and Machine Learning (ML) models directly within frontend web applications. Traditionally, AI/ML model deployment has been dominated by backend servers due to significant computational demands, coupled with the performance limitations of JavaScript and the overhead of client-server communication.
Успішне використання сонячної енергетики зумовлює необхідність точного прогнозування виробництва електроенергії сонячними електростанціями (СЕС) для стабільного функціонування систем електропостачання. Це пов’язано з необхідністю підтримання миттєвого балансу виробництва і споживання електричної енергії, який забезпечується реалізацією складних ієрархічних систем управління наявними джерелами енергії. Особливо актуальна можливість короткочасного прогнозування виробництва енергії СЕС.