http://dspace.nbuv.gov.ua:80/handle/123456789/186197 2026-04-07T05:21:37Z http://dspace.nbuv.gov.ua:80/handle/123456789/186205 Модель рекурентної нейронної мережі для генерації музики Комарський, О.С.; Дорошенко, А.Ю. У роботі розглядається можливість генерації музичних композицій, використовуючи рекурентні нейронні мережі. Запропоновано та розглянуто два методи генерації музичних творів – на рівні нот та на рівні акордів. Проведено дослідження обох методів та визначено їх переваги та недоліки. Далі для розробки обрано метод генерації на рівні нот, для якого детально описано процес пошуку та обробки даних для навчання генерації музики за допомогою рекурентної нейронної мережі. Це дозволяє автоматизувати генерацію музичних творів без втручання людини. Для побудованої моделі виконано програмну реалізацію запропонованого рішення, проведені експерименти та їх верифікація за участю фокус-групи людей щодо визначення авторства створеної музики – людина чи комп'ютер.; The paper considers the possibility of generating musical compositions using recurrent neural networks. Two approaches to the generation of musical works are proposed and considered, namely using the method of notes and the method of chords. The research of both methods was carried out, and their advantages and disadvantages were formulated. As a result it was decided to use the method of notes as the main one for music generation. The process of searching and processing data for learning a music neural network is described in detail, the algorithm for converting data from MIDI format to your own text for use in a neural network is considered in detail. The learning process of the neural network was also described, and the learning speed was compared using GPUs and CPUs, as a result of which it was determined that learning takes place faster using a graphics processor, in some cases 5.5 times. As a result of testing the operation of the neural network, it was determined that the optimal characteristics of the recurrent neural network for music generation is a network consisting of 4 LSTM layers, each with a dimension of 600 neurons. As music generation cannot be assessed by objective characteristics, a special focus group survey was conducted to assess quality. It shows that music generated by a neural network received almost the same marks as music. written by a man. It should be considered as a great result. It was also determined that it was difficult for the survey participants to correctly identify the author of a musical work, since they correctly identified the authors in only 58% of cases. The proposed solution allows to easily generate musical compositions without human intervention. 2022-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/186204 The problem of developing the architecture of modern cognitive radar system Коsovets, M.; Tovstenko, L. The problem of developing the architecture of modern cognitive radar systems using artificial intelligence technologies is considered. The main difference from traditional systems is the use of a trained neural network. The heterogeneous multiprocessor system is rebuilt in the process of solving the problem, providing reliability and solving various types of problems of one class and deep learning of the neural network in real time. This architecture promotes the introduction of cognitive technologies that take into account the requirements for the purpose, the influence of external and internal factors.; Розглянуто проблему розробки архітектури сучасних когнітивних радіолокаційних систем із використанням технологій штучного інтелекту. Основною відмінністю від традиційних систем є використання навченої нейронної мережі. Гетерогенна багатопроцесорна система перебудовується в процесі розв’язування задачі, забезпечуючи надійність і вирішення різних типів задач одного класу і глибоке навчання нейронної мережі в режимі реального часу. Така архітектура сприяє впровадженню когнітивних технологій, які враховують вимоги по призначенню, вплив зовнішніх і внутрішніх факторів. Глибоке навчання нейронної когнітивної мережі радарних датчиків є функцією штучного інтелекту, який моделює роботу людського мозку таким чином, що обробляє дані та створює шаблони, які використовуються у прийнятті рішень. Система виявлення вчиться виявляти зміни не тільки в рівнях сигналу, а й у формі та параметрах сигналу. Експерименти показали, що система виявлення змін радіолокаційної інформації на основі нейронної мережі з глибоким навчанням є оптимальною для розробки сенсорних мережевих додатків і може бути успішно реалізована на доступних технологічних платформах 2022-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/186203 Аналітичне сховище для великих потокових даних Тюрін, В.О.; Дорошенко, А.Ю.; Савчук, О.В. Розроблено концепцію архітектури з організації аналітичного сховища даних на основі інфраструктури Google Cloud Platform (GCP). Проведено аналіз існуючих рішень у галузі безсерверних аналітичних сховищ. Проведено порівняльний аналіз із найбільш розповсюдженими існуючими рішеннями та здійснено експериментальне випробування розробленої концепції. Наведено рекомендації з організації сховища даних з можливістю підтримки подій із змінною схемою даних. Розроблено систему потокової передачі даних. Розроблену концепцію повністю реалізовано у GCP з метою проведення функціонального тестування; A concept for organizing an analytical data warehouse has been developed, which includes a method of interaction between data producers and a repository, a method of data circuit control, a method of data streaming, a method of storing initial data, a method of data processing and a method of providing secure data access. Other concepts on the market are discussed, namely: SDLF as the leading standard recommended by AWS, IronSource DL using Upsolver, SimilarWeb DL using Upsolver. A comparative analysis was conducted (mostly with SDLF, as its implementation is open, and the implementation by private companies is hidden). The advantages of the proposed concept over the existing ones are examined in detail. Recommendations on how to integrate the concept with data schema control applications are given. A service for streaming data using Apache Beam in Java has been developed. A repository architecture for analytics was designed and developed. A data schema management model was developed as well as a data schema management model and a model for secure access to data. The research that has been conducted can be improved by the experience of implementing the concept in business, as well as by collecting and systematizing knowledge about other standards that will be created. 2022-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/186202 60 років базам даних (частина третя) Резніченко, В.А. Наводиться огляд досліджень і розробок баз даних з моменту їх виникнення в 60-х роках минулого століття і по теперішній час. Виділяються наступні етапи: виникнення і становлення, бурхливий розвиток, епоха реляційних баз даних, розширені реляційні бази даних, постреляційні бази даних і великі дані. На етапі становлення описуються системи IDS, IMS, Total і Adabas. На етапі бурхливого розвитку висвітлені питання архітектури баз даних ANSI/X3/SPARC, пропозицій КОДАСИЛ, концепції і мов концептуального моделювання. На етапі епохи реляційних баз даних розкриваються результати наукової діяльності Е. Кодда, теорія залежностей і нормальних форм, мови запитів, експериментальні дослідження і розробки, оптимізація та стандартизація, управління транзакціями. Етап розширених реляційних баз даних присвячений опису темпоральних, просторових, дедуктивних, активних, об’єктних, розподілених та статистичних баз даних, баз даних масивів, машин баз даних і сховищ даних. На наступному етапі розкрита проблематика постреляційних баз даних, а саме, NOSQL-, NewSQL- і онтологічних баз даних. Шостий етап присвячений розкриттю причин виникнення, характерних властивостей, класифікації, принципів роботи, методів і технологій великих даних. Нарешті, в останньому розділі дається короткий огляд досліджень і розробок по базах даних в Радянському Союзі.; The article provides an overview of research and development of databases since their appearance in the 60s of the last century to the present time. The following stages are distinguished: the emergence formation and rapid development, the era of relational databases, extended relational databases, post-relational databases and big data. At the stage of formation, the systems IDS, IMS, Total and Adabas are described. At the stage of rapid development, issues of ANSI/X3/SPARC database architecture, CODASYL proposals, concepts and languages of conceptual modeling are highlighted. At the stage of the era of relational databases, the results of E. Codd’s scientific activities, the theory of dependencies and normal forms, query languages, experimental research and development, optimization and standardization, and transaction management are revealed. The extended relational databases phase is devoted to describing temporal, spatial, deductive, active, object, distributed and statistical databases, array databases, and database machines and data warehouses. At the next stage, the problems of post-relational databases are disclosed, namely, NOSQL-, NewSQL- and ontological databases. The sixth stage is devoted to the disclosure of the causes of occurrence, characteristic properties, classification, principles of work, methods and technologies of big data. Finally, the last section provides a brief overview of database research and development in the Soviet Union. 2022-01-01T00:00:00Z