Наукові статті
Permanent URI for this collectionhttps://repository.lntu.edu.ua/handle/123456789/309
Browse
54 results
Search Results
Item type:scientificarticle.listelement.badge, Дослідження шляхів реінжинірингу серверної кімнати для покращення ефективності функціонування ІТ-інфраструктури(Луцьк: ЛНТУ, 2025-12-05) Терлецький, Тарас Володимирович; Угрин, Дмитро Ілліч; Багнюк, Наталія Володимиріввна; Пугач, Сергій Олександрович; Лакодей, Олександр ЛеонідовичУ статті розглядається комплексна модель реінжинірингу застарілої серверної кімнати для підвищення ефективності функціонування ІТ-інфраструктури підприємства. Проведено аудит типової інфраструктури, виявлено ключові проблеми, а саме: апаратна застарілість, відсутність відмовостійкості, високі операційні витрати та низька продуктивність. Розроблено багаторівневу модель модернізації, що включає проєктування гібридної фізичної інфраструктури з дворівневою мережевою архітектурою (General Purpose та High-Performance Fabric) та спеціалізованими пулами серверів. Обґрунтовано перехід на програмно-визначувану платформу на базі систем віртуалізації та контейнеризації з використанням гіпервізорів. Запропоновано модель повної автоматизації управління на основі парадигми «Інфраструктура як Код» (IaC) з використанням стеку інструментів Terraform та Ansible. Проведено порівняльний аналіз показників до і після модернізації, який підтвердив значне зростання технічної продуктивності (скорочення часу відгуку на 82%), підвищення надійності та суттєве зниження операційних витрат (на 60% на електроенергію), що доводить економічну доцільність запропонованих рішень.Item type:scientificarticle.listelement.badge, Дослідження ефективності IoT-системи моніторингу та керування освітленням ранніх саджанців(Луцьк: ЛНТУ, 2026-09-24) Багнюк, Наталія Володимирівна; Лавренчук, Світлана Василівна; Мельник, Василь Михайлович; Бортник, Катерина Яківна; Овдієвич, Богдан ЮрійовичУ статті представлено розроблення та експериментальне дослідження інтелектуальної IoT-системи автоматизованого моніторингу та адаптивного керування освітленням під час вирощування ранніх саджанців. Запропонована система побудована на базі одноплатного комп’ютера Raspberry Pi, цифрового температурного датчика DS18B20, релейного модуля керування світлодіодними фітолампами та вебінтерфейсу моніторингу, реалізованого за допомогою Node-RED Dashboard. Система забезпечує безперервний контроль температури, передавання даних до вебінтерфейсу та автоматичне керування освітленням відповідно до заданого розкладу або команд користувача. Експериментальні дослідження підтвердили стабільну роботу апаратнопрограмного комплексу, високу точність моніторингу температури та ефективність дистанційного керування освітленням. Запропоноване рішення є масштабованою платформою для інтелектуального вирощування рослин у домашніх умовах і може бути розширене шляхом інтеграції додаткових сенсорів та алгоритмів прогнозування.Item type:scientificarticle.listelement.badge, Пошук прихованих помилок програмного використання пам’яті програмним кодом С++ за допомогою статичного аналізу Deep Learning(Луцьк: ЛНТУ, 2025-12-05) Мельник, Василь Михайлович; Багнюк, Наталія Володимирівна; Корчук, Оксана ІгорівнаВикористання пам’яті програмним кодом в наш час є однією з важливих проблем як зі сторони написання коду, так і зі сторони захисту застосунків. Економія ресурсів та безпечний код сьогодні відіграють важливу роль, коли ще перед промисловим провадженням програм не можна виявити традиційними засобами помилок використання пам’яті. Невиявлені помилки використання пам’яті можуть спричинити як непотрібні затрати ресурсів, так і стати причиною вторгнень чи несанкціонованого заволодіння інформацією. В даній статті викладено основні переваги, налаштування, моделювання, спеціальні особливості вивчення коду та інші аспекти застосування статичного аналізу Deep learning на базі нейронних мереж для виявлення помилок використання пам’яті програмним кодом С++. Важливу роль у його використанні займає практичне вивчення проаналізованих кодових зразків з відомими проблемами розподілу пам’яті, які вже були виконані, збережені в базі і застосовуються як базові шаблони. На основі дослідження великої кількості коду з кількох програмних проєктів засобами Deep learning здійснено виявлення помилок, які не виявлялися іншими традиційними методами, а також проведено обговорення його продуктивності, візуалізації отриманих результатів та зменшення хибно-позитивних проявів.Item type:scientificarticle.listelement.badge, Мережеві сокети на основі псевдонімів з віддаленою передачею адрес(Луцьк: ЛНТУ, 2025-06-16) Мельник, Василь Михайлович; Багнюк, Наталія Володимирівна; Ройко, Олександр Юрійович; Кізим, Світлана ОлександрівнаНа сьогодні арсенал мережевих адрес версії IPv-4 уже вичерпаний, проте багато користувацьких вузлів все ще використовують їх для спілкування за допомогою традиційних протоколів Internet. Поряд з цим діє технологія передачі мережевих адрес (ПМА) великого масштабу (ПВМ), призначена для включення адрес версії IPv-4 в мережу, навіть у випадку повної їх занятості. Хоча механізм ПМА володіє перевагами, в ньому є і прояв негативних ефектів, який у конкретних умовах спричиняє недоступність ерверних додатків до глобальної мережі, спричиняючи сповільнення чи блокування їх роботи. Для обходу подібних ситуацій в роботі запропоновано мережеву сокетну бібліотеку на основі псевдонімів, призначену для роботи серверних додатків та їх комунікації на базі автоматизованого розподілу каталогів (АРК). Бібліотека інтегрує в собі механізм обходу ПМА, реалізований на застосуванні програмних функцій та АРК. В роботі подано також опис елементів та умови використання розробленого програмного забезпечення для автоматизованого розподілу каталогів сокетної бібліотеки з метою мережевої комунікації додатків в операційній системі Linux.Item type:scientificarticle.listelement.badge, Алгоритмічне програмне забезпечення стану та функціонування розподіленої гетерогенної мережі(Луцьк: ЛНТУ, 2023-12-16) Багнюк, Наталія Володимирівна; Мельник, Василь Михайлович; Булатецький, Віталій Вікторович; Сичов, Денис Ігорович; Карпович, Володимир ОлеговичПредставлено програмне забезпечення для аналізу, моніторингу та керування розподілених гетерогенних мереж. Проведено порівняння з іншими безкоштовними та умовно-безкоштовними засобами контролю та керування мережами.Item type:scientificarticle.listelement.badge, Розробка мультимедійних 3D моделей для симуляції технологічного процесу(Луцьк: ЛНТУ, 2024-06-16) Багнюк, Наталія Володимирівна; Христинець, Наталія Анатоліївна; Биков, Сергій ОлеговичЗадачі моделювання поведінки частинок сумішей є важливими для різних галузей промисловості, включаючи будівництво, матеріалознавство, хімічну промисловість та фармацевтику. У будівництві, наприклад, моделювання засипки частинок може бути корисним для дослідження властивостей бетонних сумішей або композитних матеріалів. У матеріалознавстві, моделювання взаємодії різних частинок може допомогти в розробці нових матеріалів з покращеними механічними або хімічними властивостями. У роботі були розглянуті комп'ютерні методи проектування 3D моделей частинок сталі та кераміки, що підкреслює широкий спектр можливостей застосування цих технологій в різних галузях. Особлива увага приділяється моделюванню текстур та полігонів, оскільки ці аспекти важливі для досягнення реалістичного візуального представлення частинок. Коректне відтворення текстур і деталей полігонів дозволяє забезпечити точність та достовірність симуляційних результатів. Використання Blender у поєднанні з налаштованим світлом, камерою та контейнером відкриває широкі можливості для створення інтерактивної інструментальної системи. Ця система може бути використана для вивчення та оптимізації технологічних процесів у промисловості, що сприяє підвищенню ефективності та якості виробництва. Такий підхід дозволяє не лише зменшити витрати та час на дослідження, але й стимулює інновації та покращення в галузях, де моделювання технологічних процесів має ключове значення.Item type:scientificarticle.listelement.badge, Аналіз логів трафіку NGINX за допомогою Machine Learning(Луцьк: ЛНТУ, 2023-12-16) Багнюк, Наталія Володимирівна; Лінчук, Олександр Миколайович; Шипулін, Олександр ОлександровичУ цій статті розглядається процес використання машинного навчання для аналізу логів веб-сервера NGINX. Основна увага приділяється тому, як застосувати алгоритми машинного навчання для ефективного виявлення аномалій, шаблонів поведінки користувачів та потенційних загроз безпеці. Розглядаються підходи до збору, обробки та аналізу лог-даних, а також використання цих даних для покращення безпеки та продуктивності веб-серверів.Item type:scientificarticle.listelement.badge, Overcoming challenges in artificial intelligence training: data limitations, computational costs and model robustness(Lutsk: LNTU, 2023-12-16) Bortnyk, Kateryna; Yaroshchuk, Bohdan; Bahniuk, Nataliia; Pekh, PetroThis paper explores challenges in AI training, focusing on data limitations, computational costs, and the need for robust models. It discusses innovative solutions like synthetic data generation, efficient neural architectures, and robustness techniques, highlighting the importance of AI model interpretability.Item type:scientificarticle.listelement.badge, Застосування методів машинного навчання для розпізнавання облич(Луцьк: ЛНТУ, 2023-06-22) Мельник, Катерина Вікторівна; Багнюк, Наталія Володимирівна; Лавренчук, Світлана Василівна; Христинець, Наталія Анатоліївна; Боба, Роман Васильович; Омельчук, Дмитро ЮрійовичУ даній статті наведені методи машинного навчання для задачі розпізнавання обличь за допомогою мови програмування Python, розглянуто важливі етапи процесу побудови моделей машинного навчання, такі як підготовка даних, вибір алгоритму, навчання моделі та оцінка її ефективності.Item type:scientificarticle.listelement.badge, Modern Programming Technologies in the Tasks of Identification and Classification of Military Aircraft Using Machine Learning Algorithms(Lublin: Lublin University of Technology, 2024-12-16) Terletskyi, Taras; Kaidyk, OlehThis article addresses the development of an intelligent military aircraft identification system using artificial intelligence, machine learning, and deep self-learning technologies to enhance national security and military efficiency. The system aims to automatically and accurately recognize and classify aircraft in images, offering advantages over traditional methods such as higher productivity, speed, accuracy, and the elimination of human error. The importance of deep learning solutions for threat detection and operational efficiency is emphasized. Modern visual data-based object recognition methods and tools are analysed. The methodology includes collecting and preprocessing data, developing a high-precision recognition system based on Yolov8, annotating objects with Roboflow, and creating training, validation, and testing subsets in the yolo format. The paper details the dataset formation process and presents satisfactory results in fast recognition of military aircraft with high classification accuracy. A comparative analysis of Yolov8, R-CNN, and GPT-4 models shows Yolov8's superiority in prediction accuracy and performance. The article describes the model management system for adjusting hyperparameters, selecting object categories, and initiating the training and forecasting process. Testing results demonstrate Yolov8's optimality for military aircraft identification, achieving accurate target identification in complex situations using advanced deep learning algorithms.