Стаття присвячена дослідженню застосування методів машинного навчання та штучного інтелекту для автоматизації контролю якості в поліграфічному виробництві. Актуальність дослідження зумовлена зростаючими вимогами до якості друкованої продукції, скороченням накладів, збільшенням різноманітності замовлень та необхідністю мінімізації браку в умовах високошвидкісного друку.
This paper considers the problem of adaptive optimization of the training dataset for neural networks in image classification tasks. It has been shown that using the full training dataset is not the best solution. Different training samples have different value for the model. Some samples are representative, some are important for class boundaries, some preserve diversity, and some may be noisy or suspicious. A method for adaptive formation of the active training subset has been proposed. Unlike traditional methods, the proposed approach evaluates the role of each sample during training.
This review paper provides a comprehensive comparative analysis of abandoned object detection algorithms, specifically contrasting rule-based approaches with artificial intelligence (AI-based) models. The manuscript synthesizes existing research, technical documentation, and publicly available benchmark data to evaluate the applicability of these approaches in dynamic video surveillance environments.
This paper presents a method for optimizing deep learning models used in real-time military equipment recognition systems. A key contribution of the work is the application of exponential data augmentation, which significantly increases dataset diversity without requiring additional real-world data. The augmented dataset has been used to train a YOLO-based object detection model capable of recognizing various types of military vehicles, including tanks, armored personnel carriers, and infantry fighting vehicles.
У статті розв’язується актуальна науково-практична проблема подолання ефекту «холодного старту» при розробці та впровадженні інтелектуальних систем обробки природної мови, орієнтованих на моніторинг громадської думки та аналіз емоційного забарвлення україномовного контенту. Головним бар'єром на шляху інтеграції сучасних нейромережевих рішень визначено критичний дефіцит репрезентативних, збалансованих та попередньо розмічених масивів даних, які б адекватно відображали специфіку соціальних, економічних та політичних процесів у сучасному українському суспільстві.
Автоматизація індексації в базах даних є ключовим напрямом розвитку сучасних систем управління базами даних, що дозволяє підвищити швидкодію, масштабованість і релевантність пошуку в умовах великих обсягів інформації. У статті досліджено застосування алгоритмів глибинного навчання для побудови та оптимізації векторних індексів, здатних автоматично адаптуватися до змін структури даних і запитів. Проведено експериментальне порівняння традиційних методів індексації (B-Tree, GIN у PostgreSQL) з векторною індексацією, реалізованою на основі моделей Sentence-BERT у системах FAISS і Milvus.
The goal of the article is to provide a methodology of improving images quality in low-light conditions trough fusion of data received from telecamera and thermal camera. Data from thermal camera uses for compensation of significant illumination reduction in poor lighting conditions and allow keep required level of information. Proposed method establishes dynamic regulation of fusion coefficients depending on brightness level to minimize artifacts, increase edge sharpness, and improve object detectability.
У статті розглянуто вирішення проблеми низької точності систем безперервної автентифікації, що спричинені природною варіативністю поведінки користувача. Проведено аналіз існуючих біометричних підходів та обґрунтовано вибір адаптивної двоступеневої моделі, як ефективного способу врахування психоемоційного стану. Авторами статті спроектовано систему AURA (акронім від англ. Automatic User Recognition Agent) з використанням компонентного підходу, що дозволило чітко розділити завдання ідентифікації стану та автентифікації.
Проведено формалізацію математичних моделей спотворень цифрових зображень, що виникають при аерофотозйомці з бортових систем безпілотних літальних апаратів та істотно впливають на точність і достовірність алгоритмів автоматизованого виявлення й класифікації візуальних об’єктів у складному зовнішньому середовищі. Запропоновано узагальнену схему класифікації спотворень, яка враховує джерела їх виникнення та розподіляє дефекти на апаратно-оптичні, динамічні та зовнішні фактори, що зумовлюють структурну нестабільність вхідних фотоданих.
У роботі досліджено моделі та методи визначення хвороб винограду із використанням сучасних методів штучного інтелекту. Проаналізовано відомі методології класифікації та розпізнавання за зображеннями хвороб винограду з використання нейронних мереж. Виділено низку проблем щодо покращення результатів розпізнавання.