Факультет аеронавігації, електроніки та телекомунікацій (ФАЕТ)

Permanent URI for this communityhttp://er.nau.edu.ua/handle/NAU/9147

Browse

Now showing 1 - 17 of 17

Comparative Analysis of Text Vectorization Methods
(National Aviation University, 2023-06-27) Sineglazov, V. M.; Синєглазов, Віктор Михайлович; Savenko I. M., I. M.; Савенко, Ілля Михайлович
The paper considers methods of vectorization of textual properties of natural language in the context of the task of intellectual text analysis. The most common methods of statistical analysis of feature extraction and methods that taking into account the context are analyzed. The work describes the above types of text embeddings and their most common variations and implementations. Their comparative analysis was performed, which showed the relationship between the type of task of intellectual text analysis and the method showing the best metrics. The topology of the neural network, which is the basis for solving the problem and obtaining metrics, is described, and implemented. The comparative analysis was carried out using the relative time analysis of the theory of algorithms and classification metrics: accuracy, f1-score, precision, recall. The classification metrics are taken from the results of building a neural network model using the described framing methods. As a result, in the task of analyzing the tonality of the text, the statistical method of framing based on n-grams of character sequences turned out to be the best.
Definition and Intelligent Extraction of Texture Features of Vestibular Schwannoma Based on MRI Imaging
(State University "Kyiv Aviation Institute", 2025) Sineglazov Victor; Shevchenko Maksym
The scientific work is devoted to the development of a method for intelligent extraction of textural features of vestibular schwannomas based on magnetic resonance imaging images for predicting tumor growth. The VS-MC-RC2 dataset was analyzed (421 timepoints, 189 patients, 1990–1999). The ML dataset consists of 211 samples (74 growing, 137 stable, imbalance 1.85:1). Gray Level Co-occurrence Matrix and Gray Level Size Zone Matrix matrices, shape features, wavelet transform, and the PyRadiomics v3.0.1 library were used to extract features from T1C images (priority) and T1 images (fallback) with the following parameters: bins = 32, δ = 1 voxel, 13 3D directions. Model v2 (107 original features) achieved an AUC of 0.618. Model v3 (851 features + 8 wavelet decompositions) achieved an AUC of 0.712 (+15.2%). Validation was performed using 10-fold cross-validation with an 80/20 train/test split. Among the top 15 features, 73% were wavelet features (LHH, LLH, HLH). The best feature, original_glszm_ZoneEntropy (F = 12.67, threshold = 4.51), correlates with the Antoni A/B tissue ratio and the proliferative activity of the tumor. Роботу присвячено розробці метода інтелектуального вилучення текстурних ознак вестибулярних шванном на основі МРТ-зображень для прогнозування росту пухлини. Проаналізовано датасет VS-MC-RC2 (421 timepoint, 189 пацієнтів, 1990-1999). ML датасет: 211 зразків (74 зростаючі, 137 стабільні, дисбаланс 1.85:1). Використано матрицю співзустрічальності рівнів сірого, матрицю зон рівнів сірого, Shape Features, Wavelet Transform, бібліотеку PyRadiomics v3.0.1 для вилучення ознак з T1C-зображень (пріоритет) та T1 (резерв) з параметрами: bins = 32, δ = 1 voxel, 13 3D напрямків. Model v2 (107 оригінальних ознак): AUC 0.618. Model v3 (851 ознак + 8 вейвлет-декомпозицій): AUC 0.712 (+15.2%). Валідація: 10-fold CV, навчальна/тестова 80/20. Топ-15 ознак: 73% wavelet features (LHH, LLH, HLH). Найкраща: original_glszm_ZoneEntropy (F = 12.67, threshold = 4.51), що корелює з співвідношенням Antoni A/B тканин і проліферативною активністю пухлини.
Determination of Characteristics of Infectious Endocarditis Based on Intelligent Processing of Ultrasonic Images
(National Aviation University, 2022-12-27) Sineglazov, V. M.; Синєглазов, Віктор Михайлович; Chumachenko, O. I.; Чумаченко, Олена Іллівна; Kolomoiets, S. O.; Коломоєць, Сергій Олексійович
The paper presents the pathogenetic factors in the development of infective endocarditis and identifies its predictors. The need for an echographic study associated with the search for the anatomical characteristics of infective endocarditis is shown: vegetation, destructive lesions (valve aneurysms, perforation or prolapse, etc.), the presence of abscesses, in the case of a prosthesis, a new divergence of the valve prosthesis may be a characteristic feature. A classification of research methods is presented that includes classical approaches of echocardiography (transthoracic, transesophageal) and new multidetector computed tomographic angiography and positron emission tomography with 18F-fluorodeoxyglucose and the need for their use in different cases is determined. A block diagram of an intelligent diagnostic system for infective endocarditis has been developed. To process the obtained images in order to diagnose and determine the geometric dimensions, shapes, quantity, location, characteristics of infective endocarditis, it is proposed to use convolutional neural networks that allow solving the problem of image segmentation.
Determination of Marketing Parameters for Building a Demand Forecasting Model using Neural Networks
(National Aviation University, 2023-12-27) Sineglazov, Victor; Синєглазов, Віктор Михайлович; Novikov, Mikhaylo; Новіков, Mихайло Сергійович
This article is devoted to finding marketing parameters for building a demand forecasting model using neural networks using real data. The work deals with the problem of modeling product demand on the market in marketing using artificial intelligence and machine learning methods. The main features of existing approaches to building models of products on the market, their advantages and disadvantages are shown. The need for their improvement has been identified. A new methodology for solving the problem is presented. The model's demonstrated ability to predict consumer demand based on a variety of marketing parameters helps businesses plan inventory, production, and personnel more effectively and can lead to significant cost savings and improved efficiency.
Diagnosis of Vestibular Schwannoma Based on Intelligent MRI Image Processing
(State University "Kyiv Aviation Institute", 2025) Sineglazov Victor; Fedirko Volodymyr; Shust Vasyl; Sheruda Andrew; Shevchenko Maksym
The study identified the main clinical and diagnostic features of the disease, reviewed modern diagnostic methods for schwannoma, including magnetic resonance imaging and computed tomography, as well as the role of clinical examination, history and laboratory tests, analyzed available open data and proposed the concept of combining medical images with molecular indicators to build more effective diagnostic models based on semantic segmentation. Diagnostic and prognostic biomarkers were summarized, including TNF-α, CD68, CD163, IL-6, CCR2 and others, which may increase the accuracy of predicting the course of the disease. У дослідженні було визначено основні клінічні та діагностичні особливості захворювання, розглянуто сучасні методи діагностики шванноми, зокрема магнітно-резонансну та комп’ютерну томографію, а також роль клінічного огляду, анамнезу та лабораторних аналізів, проаналізовано доступні відкриті дані та запропоновано концепцію поєднання медичних зображень з молекулярними індикаторами для побудови ефективніших діагностичних моделей на основі семантичної сегментації. Було узагальнено діагностичні та прогностичні біомаркери, включаючи TNF-α, CD68, CD163, IL-6, CCR2 та інші, що може підвищити точність прогнозування перебігу захворювання.
Intelligent Medical Image Processing System Using Zero-shot Learning
(State University "Kyiv Aviation Institute", 2024) Sineglazov Victor; Reshetnyk Oleksii
The work is devoted to the intelligent diagnosis of malignant skin tumors. The classification of malignant skin tumors is presented. The greatest attention was paid to skin melanoma. The modern signs of melanoma were analyzed: Asymmetry, Boundary, Color, and Diameter, and additionally for nodular melanoma: Elevated, Firm, and Growing. A review of works on using artificial intelligence to diagnose malignant skin tumors was performed. A methodology for the intelligent diagnosis of malignant skin tumors was proposed, which is based on the use of preprocessing of dermatoscopic images and solving the segmentation problem based on the use of a hybrid approach, which includes the use of a Segment Anything model based on the combination of the Zero-shot learning model, which consists of an image encoder, prompt encoder, lightweight mask decoder, with YOLOv11. ISIC 2018 was used as the dataset. Роботу присвячено інтелектуальній діагностиці злоякісних пухлин шкіри. Представлено класифікацію злоякісних пухлин шкіри. Найбільшу увагу було приділено меланомі шкіри. Проаналізовано сучасні ознаки меланоми: Asymmetry, Boundary, Color, Diameter та додатково для вузлової меланоми: Elevated, Firm, Growing . Виконано огляд робіт з використання штучного інтелекту у діагностиці злоякісних пухлин шкіри. Запропоновано методологію інтелектуальної діагностики злоякісних пухлин шкіри, яка базується на використанні попередньої обробки дерматоскопічних зображень та розв’язанні задачі сегментації на основі використання гібридного підходу, який включає застосування Segment Anything model на основі об’єднання моделі Zero-shot learning, яка складається з image encoder, prompt encoder, lightweight mask decoder з YOLOv11.В якості датасету було використано ISIC 2018.
Intelligent System for Diagnosing Vestibular Schwannoma
(State University "Kyiv Aviation Institute", 2025) Sineglazov Victor; Sheruda Andrew; Shevchenko Maksym
This scientific work is devoted to the development of an intelligent system for the diagnosis of vestibular schwannoma. A new approach to the texture analysis of magnetic resonance images of vestibular schwannoma is proposed in order to determine the assessment of tumor growth. The use of this approach will prevent the risks of tumor progression and timely determine the need for surgical intervention. Several classes of texture descriptors were used in the study, including: first-order statistics (intensity histograms), gray level co-occurrence matrix, gray level run length matrix, gray level size zone matrix, gray level dependency matrix, as well as wavelet-transformed features. The complex use of these descriptors made it possible to formalize the internal microstructure of the tumor and implement an effective model for predicting its growth. Наукову роботу присвячено розробці інтелектуальної системи діагностики вестибулярної шванноми. Запропоновано новий підхід до аналізу текстури МРТ-зображень шванном як методу оцінки зростання пухлини. Використання цього підходу допоможе уникнути ризиків прогресування новоутворення та негайно усунути необхідність хірургічного втручання. В межах дослідження було об’єднано низку класів дескрипторів текстури, включаючи: статистику першого порядку (гістограми інтенсивності), матрицю співзустрічей рівнів сірого, матрицю довжин серій рівнів сірого, матрицю розмірів зон, матрицю залежностей рівнів сірого, а також ознаки, перетворені за допомогою вейвлет-перетворення. Комплексний аналіз цих дескрипторів дозволив формалізувати внутрішню мікроструктуру пухлини та реалізувати ефективну модель для прогнозування його зростання.
Language Model Adaptation for Legal Ukrainian Domain
(National Aviation University, 2024) Sineglazov Victor; Savenko Illia
Language models in recent decades make a huge step towards solving the tasks that previously could be done only by humans. Development of NLP area is different scopes gives an opportunity to solve domain specific tasks and transfer knowledge from learnt data towards the useful inferences based on that. This article provides the NLP model approach in specific legal domain. Additionally, this article explores performance of pre-training small models and its utilization and checks the scores on fine-tuned task of checking sentence similarities via SBERT. According to this articles it is proven that domain-specific pre-trained models can perform better results than generally trained language model. This article also provides the language model that is adopted to the Ukrainian legal domain. В роботі розглянуто способи векторизації текстових властивостей природної мови в контексті задачі інтелектуального аналізу тексту. Проаналізовано найпоширеніші способи статистичного аналізу вилучення ознак та методи з урахуванням контексту. Проведено опис вищезазначених типів обрамлення тексту та їх найпоширеніші реалізації. Виконано їх порівняльний аналіз, який показав зв’язок між типом задачі інтелектуального аналізу тексту та методом, що показує найкращі метрики. Описано та реалізовано топологію нейронної мережі, яка стоїть в основі вирішення задачі та отримання метрик. Порівняльний аналіз проведено за допомогою відносного аналізу часу теорії алгоритмів та метрик класифікації: accuracy, f1-score, precision, recall. Метрики класифікації узято з результатів побудови моделі нейронної мережі з використанням описаних методів обрамлення. В результаті в задачі аналізу тональності тексту найкращим виявився статистичний метод обрамлення на основі n-грамів символьних послідовностей.
Long-term Demand Forecasting: using an Ensemble of Neural Networks to Improve Accuracy
(National Aviation University, 2023-09-29) Sineglazov, Victor; Синєглазов, Віктор Михайлович; Samoshyn, Andrii; Самошин, Андрій Олександрович
This research paper proposes a method of long-term demand forecasting based on an ensemble of neural networks that considers the novelty of the data. A tool for creating the ensemble was developed that uses a bagging technique as well as a modification that allows for the relevance and novelty of the data to be considered when creating training samples for each model in the ensemble. The study examines and compares the developed method with known approaches to long-term demand forecasting. Experimental results have indicated that the proposed approach allows for obtaining more accurate and reliable demand forecasts compared to existing methods. The results emphasize the importance of data in the demand forecasting process and indicate the potential of the proposed method to eventually improve inventory management strategies and product planning.
Modification of Semi-supervised Algorithm Based on Gaussian Random Fields and Harmonic Functions
(National Aviation University, 2023-06-27) Sineglazov, V. M.; Синєглазов, Віктор Михайлович; Chumachenko, O. I.; Чумаченко, Олена Іллівна; Lesohorskyi, K. S.; Лесогорський, Кирило Сергійович
In this paper we propose an improvement for a semi-supervised learning algorithm based on Gaussian random fields and harmonic functions. Semi-supervised learning based on Gaussian random fields and harmonic functions is a graph-based semi-supervised learning method that uses data point similarity to connect unlabeled data points with labeled data points, thus achieving label propagation. The proposed improvement concerns the way of determining similarity between two points by using a hybrid RBF-kNN kernel. This improvement makes the algorithm more resilient to noise and makes label propagation more locality-aware. The proposed improvement was tested on five synthetic datasets. Results indicate that there is no improvement for datasets with big margin between classes, however in datasets with low margin proposed approach with hybrid kernel outperforms existing algorithms with a simple kernel.
Optimizing Drone Coverage in Agriculture: an Overview and New Approaches
(State University "Kyiv Aviation Institute", 2025) Sineglazov Victor; Koniushenko Roman
This article investigates the problem of trajectory optimization for unmanned aerial vehicles during multispectral imaging of agricultural lands within the framework of precision agriculture concepts. The main problems related to complex field geometry, presence of natural and artificial obstacles, as well as limited battery capacity of drones are considered. A new hybrid route optimization method is proposed that integrates the ant colony optimization algorithm for global planning of zone traversal sequence with the binary gridding method for detailed local replanning within complex areas and obstacle avoidance. A key feature of the method is an adaptive mission recovery mechanism that allows the drone to dynamically return to the charging station, save mission state, and automatically continue operation from the last uncovered area. Simulation and comparative analysis results demonstrate that the developed approach significantly reduces total traveled route length and optimizes mission execution time compared to traditional methods, confirming its effectiveness for increasing autonomy and productivity of agricultural unmanned aerial vehicles. У статті досліджено проблему оптимізації траєкторії руху безпілотних літальних апаратів під час виконання мультиспектральної зйомки сільськогосподарських угідь у рамках концепції точного землеробства. Розглянуто основні проблеми, пов’язані зі складною геометрією полів, наявністю природних та штучних перешкод, а також обмеженою ємністю акумуляторів дронів. Запропоновано новий гібридний метод оптимізації маршруту, який інтегрує алгоритм мурашиних колоній для глобального планування послідовності обходу зон з методом двійкового сіткового поділу для детального локального перепланування всередині складних ділянок та обходу перешкод. Ключовою особливістю методу є адаптивний механізм відновлення місії, що дозволяє дрону динамічно повертатися на зарядну станцію, зберігати стан місії та автоматично продовжувати роботу з останньої непокритої ділянки. Результати моделювання та порівняльного аналізу демонструють, що розроблений підхід значно зменшує загальну довжину пройденого маршруту та оптимізує час виконання місії порівняно з традиційними методами, що підтверджує його ефективність для підвищення автономності та продуктивності аграрних безпілотних літальних апаратів.
Orthophotomosaicing Framework for Thermal and Multispectral Images Collected with a UAV for Intelligent Systems
(State University "Kyiv Aviation Institute", 2025) Sineglazov Victor; Lesohorskyi Kyrylo
In this paper, a framework for orthophotomosaicing of multispectral and thermal images collected by unmanned aerial vehicles is presented. The proposed framework is based on a two-stage data preprocessing and mosaicing orthophotographic restoration of images captured with a route-planned unmanned aerial vehicle collection. The super-resolution and image restoration step is handled via a two-pathway U-net image restoration artificial neural network. The framework simplifies the process and makes the collected data less sensitive to noise via image restoration and upscaling steps. The framework was tested on visible, multispectral and thermal images and provides 3.5% and 5.34% improvements in peak signal-to-noise ratio for multispectral and thermal orthophotomosaics. У статті представлено фреймворк для ортофотомозаїки мультиспектральних та теплових зображень, зібраних безпілотними літальними апаратами. Запропонований фреймворк базується на двоетапній попередній обробці даних та мозаїчному ортофотографічному відновленні зображень, отриманих за допомогою маршрутно спланованої колекції безпілотних літальних апаратів. Етап надвисокої роздільної здатності та відновлення зображень виконується за допомогою двоканальної штучної нейронної мережі для відновлення зображень U-net. Фреймворк спрощує процес і робить зібрані дані менш чутливими до шуму завдяки етапам відновлення зображення та масштабування. Фреймворк був протестований на видимих, мультиспектральних та теплових зображеннях і забезпечує покращення пікового співвідношення сигнал/шум на 3,5% та 5,34% для мультиспектральних та теплових ортофотомозаїк.
Re-uploading Data in Tensor Network
(State University "Kyiv Aviation Institute", 2025) Sineglazov Victor; Chynnyk Petro
In this paper, we present an approach for enhancing quantum tensor networks through the method of data re-uploading. The proposed framework integrates multiple layers of classical data encoding into tensor network architectures, thereby improving their approximation capacity and reducing the impact of barren plateaus in training. The model construction relies on tree tensor networks combined with RX, RZ, and RY rotational gates and CNOT entanglement, while optimization is performed using differential evolution as a gradient-free algorithm. Experimental evaluation was carried out on the iris and wine datasets, comparing baseline tensor networks with architectures incorporating one to three re-uploading layers. The results demonstrate a consistent reduction in training and test loss, with accuracy, recall, and precision reaching 100% on the iris dataset for three layers and improvements of up to 40% in prediction quality on the wine dataset. These findings confirm that data re-uploading significantly enhances the performance and expressiveness of tensor network-based quantum models. У статті представлено підхід до покращення квантових тензорних мереж за допомогою методу повторного завантаження даних. Запропонований фреймворк інтегрує кілька шарів класичного кодування даних в архітектури тензорних мереж, тим самим покращуючи їх апроксимаційну здатність та зменшуючи вплив безплідних плато на навчання. Побудова моделі спирається на деревоподібні тензорні мережі в поєднанні з обертальними вентилями RX, RZ та RY та заплутаністю CNOT, тоді як оптимізація виконується з використанням диференціальної еволюції як безградієнтного алгоритму. Оцінка була проведена на наборах даних iris та wine, порівнюючи базові тензорні мережі з архітектурами, що включають від одного до трьох шарів повторного завантаження. Результати демонструють послідовне зменшення втрат навчання та тестування, при цьому точність, повнота та прецизійність досягають 100% на наборі даних iris для трьох шарів та покращують якість прогнозування до 80% на наборі даних wine. Ці результати підтверджують, що повторне завантаження даних значно підвищує продуктивність та виразність квантових моделей на основі тензорних мереж.
Recommender Systems Based on Reinforced Learning
(National Aviation University, 2023-06-27) Sineglazov, V. M.; Синєглазов, Віктор Михайлович; Sheruda, A. V.; Шеруда, Андрій Володимирович
This article is devoted to the problem of building recommender systems based on the use of artificial intelligence methods. The paper analyzes the algorithms of recommender systems. Analyzes the Markov decision-making process in the context of recommender systems. Approaches to the adaptation of reinforcement learning algorithms to the task of recommendations (transition from the task of supervised learning to the task of reinforcement learning) are considered. Reinforcement learning algorithms Deep Deterministic Policy Gradient and Twin Delayed DDPG were implemented with their own environment simulating the user's reaction, and the results were compared. The structure of a recommender system has been developed, in which the recommender agent generates a list of offers for an individual user, using his previous history of ratings. In the system itself, the user has the ability to interact only with the space of recommended films. This can be compared to the main YouTube page, which is a feed with suggestions, but we have a user interacting only with this feed and his reaction to objects in the recommendation space falls into recommender agent, which regulates the parameters of the model in the learning process.
Semi-supervised Learning Based on Graph Stochastic Co-Training
(National Aviation University, 2023-09-29) Sineglazov, Victor; Синєглазов, Віктор Михайлович; Yarovyi, Serhi; Яровий, Сергій Сергійович
This article is devoted to the development of a new approach in semi-supervised machine learning. The goal of this article is to analyze the accuracy of the single-view co-training system, based on the use of a modified graph-based stochastic label propagation algorithm for a multiclass classification problem. Graph transformation of data is preceded by feature decomposition, with three algorithms being compared: Singular Value Decomposition, Truncated Singular Value Decomposition, Iterative Primary Component Analysis, Kernel Primary Component Analysis. To improve the accuracy of the proposed method, additional parameter was included in the label propagation algorithm, allowing for the usage of the algorithm in co-training systems. Further performance increases are achieved via optimization of data modification, which is achieved by applying feature decomposition methods and parallelizing the calculation-heavy processes. As examples of practical use were considered solutions to the problem of multiclass classification for standard datasets of the library sklearn and for the real dataset Traffic Signs Preprocessed. Analyses of the results of the implementation of the proposed approach showed improvements in accuracy and of performance solving the multiclass classification problem.
Semi-supervised Multi-view Ensemble Learning with Consensus
(National Aviation University, 2024) Sineglazov Victor; Lesohorskyi Kyrylo
This paper is devoted to enchasing existing multi-view semi-supervised ensemble learning algorithms by introducing a cross-view consensus. A detailed overview of three state-of-the-art methods is given, with relevant steps of the training highlighted. A problem statement is formed to introduce both semi-supervised framework and consider the semi-supervised learning in the context of optimization problem. A novel multi-view semi-supervised ensemble learning algorithm called multi-view semi-supervised cross consensus (MSSXC) is introduced. The algorithm is tested against 5 synthetic datasets designed for semi-supervised learning challenges. The results indicate improvement in the average accuracy of up to 10% in comparison to existing methods, especially in low-volume, high density scenarios. Статтю присвячено вдосконаленню існуючих алгоритмів напівкерованого ансамблевого багатовидового навчання шляхом введення консенсусу між видами. Подано детальний огляд трьох найсучасніших методів із виділенням відповідних етапів навчання. Формується постановка задачі, щоб представити як напівкеровану структуру, так і розглянути напівкероване навчання в контексті проблеми оптимізації. Представлено новий багатовидовий напівкерований ансамблевий алгоритм навчання під назвою багатовидовий напівкерований перехресний консенсус (MSSXC). Алгоритм перевірено на п’яти синтетичних наборах даних, призначених для напівкерованого навчання. Результати вказують на підвищення середньої точності до 10% порівняно з існуючими методами, особливо в сценаріях з малим обсягом і високою щільністю.
Semi-supervised Support Vector Machine
(National Aviation University, 2023-03-27) Sineglazov, V. M.; Синєглазов, Віктор Михайлович; Samoshyn, A. O.; Самошин, Андрій Олександрович
The article considers a new approach to constructing a support vector machine with semi-supervised learning for solving a classification problem. It is assumed that the distributions of the classes may overlap. The cost function has been modified by adding elements of a penalty to it for labels not in their class. The penalty is represented as a linear function of the distance between the label and the class boundary. To overcome the problem of multicriteria, a global optimization method known as continuation is proposed. For a combination of predictions, it is suggested to use the voting method of models with different kernels. The Optuna framework was chosen as the tool for configuring hyperparameters. The following were considered as training samples: type_dataset, banana, banana_inverse, c_circles, two_moons_classic, two_moons_tight, two_moons_wide.

Browse

Browsing Факультет аеронавігації, електроніки та телекомунікацій (ФАЕТ) by Subject "004.855.5(045)"