Iryna Dumyn

Надійне виявлення небезпечних об’єктів є критично важливим компонентом у багатьох сферах, зокрема в автономному транспорті, промисловій безпеці, моніторингових системах і робототехніці. У реальних умовах – за поганого освітлення, у складних погодних умовах, за часткового перекриття об’єктів або візуального шуму – системи, які базуються на одному типі сенсора, часто демонструють нестабільну роботу або хибні спрацьовування. З метою подолання цих обмежень у роботі запропоновано підхід, що базується на злитті мультимодальних даних із використанням механізмів уваги й оцінки критичності.Запропонована система об’єднує інформацію з RGB-камери, LiDAR, тепловізора та (опційно) тактильних сенсорів, що дозволяє формувати цілісну картину навколишнього середовища. Кожен сенсорний потік проходить через власний енкодер ознак, після чого активується механізм уваги, який зважує вклад кожного джерела даних залежно від ситуації. Об’єднаний вектор ознак проходить через детектор, що формує ймовірність присутності об’єкта, а паралельно функціонує модуль оцінювання критичності, який аналізує просторову відстань, швидкість і орієнтацію виявленого об’єкта.На основі зваженої комбінації обох оцінок – детекції та критичності – формується остаточне рішення про наявність загрози. Якщо комбіноване значення перевищує встановлений поріг, система спрацьовує: генерує тривогу, активує аварійне гальмування або передає сигнал оператору. У статті також наводиться гіпотетичний сценарій автономного водіння, у якому детально демонструється ефективність запропонованої архітектури за виявленні пішохода в умовах обмеженої видимості.Система демонструє високу точність, гнучкість і адаптивність до змін середовища. Її перевагами є збереження просторових і семантичних ознак, можливість аналізу об’єктів у різних спектральних діапазонах, а також пріоритет загроз залежно від ступеня небезпеки. У перспективі дана архітектура може стати основою для реалізації безпечних автономних рішень у транспорті, промисловості та міській інфраструктурі.

В статті досліджується використання Google API для створення інноваційних мультимодальних інтерфейсів з метою покращення користувацького досвіду та продуктивності у різних сферах. Метою дослідження є розробка архітектурного підходу до обробки та аналізу мультимодальних даних. У дослідженні описано проектування та реалізацію інтерфейсу з використанням різних Google API для розпізнавання мови, обробки природної мови та розпізнавання жестів. Стаття також обговорює ключові етапи побудови стратегії машинного перекладу на основі Google API, визначає переваги та недоліки різних методологій та встановлює найбільш підходящі програмні техніки для розробки рішень для оцінювання мультимодальних даних. Два методи нумерації неструктурованих даних також розглядаються з точки зору їх програмної архітектури та дизайну. Запропонована система використовує сервіси Google Cloud Platform для надійного об'єднання даних з різних джерел та узагальнення їх у вихідні дані з високим коефіцієнтом розпізнавання успіху. Експерименти підтвердили доцільність використання мультимодального інтерфейсу обробки даних на основі Google API та описали його архітектурне рішення. Дослідження може бути використане для створення моделей перетворення мови в текст для конкретних медичних галузей, що покращить завдання перекладу мовлення та підвищить ефективність використання часу медичними працівниками. тканини.

The article examines the specifics of checking the nomenclature of cases, which is a mandatory document for every institution (organization), which specifies the storage terms of all cases that form in the records of this institution (organization). It was emphasized that currently the process of checking the nomenclature of cases is carried out manually and this process is extremely inefficient, because it involves significant expenditure of time and human resources. Due to the fact that the problem is highly specialized, the appropriate software for its solution has not been developed, and therefore, the automation of checking the nomenclature of cases is an urgent task. Tasks accompanying the process of developing an information system for checking the nomenclature of cases are defined. The basic principles of the information system proposed by the authors of the article are described. It was concluded that the task of implementing the program in the work of the State Archiv is relevant and expedient, as it significantly affects the efficiency of the process of checking the nomenclature of cases and allows saving time and human resources. У статті розглянуто специфіку перевірки номенклатури справ, що є обов'язковим для кожної установи (організації) документом, де зазначено терміни зберігання усіх справ, які формують у діловодстві цієї установи (організації). Наголошено, що нині процес перевірки номенклатури справ відбувається вручну і цей процес є вкрай неефективним, адже передбачає значні витрати часу та зусиль працівників. Через те, що проблема є вузькоспеціалізованою, не розроблено відповідного програмного забезпечення для її розв'язання, а отже автоматизація перевірки номенклатури справ є актуальним напрямом роботи. Визначено завдання, що супроводжують процес розроблення інформаційної системи для перевірки номенклатури справ. Описано базові принципи роботи розробленої авторами статті інформаційної системи. Підсумовано, що завдання впровадження інформаційної системи в роботу Державної архівної служби України є актуальним і доцільним, оскільки автоматизація суттєво впливає на підвищення ефективності й прискорення процесу перевірки номенклатури справ, що дає змогу заощадити час та людські ресурси.

The aim of this work is to create requirements for the search engine housing system for tourists, easy to use and with a pleasant design, adapted to different users with the possibility of intercultural exchange. The main task is to create an online service that combines the features of Booking.com as a structured rental system and the Couchsurfing.com platform as a service for sharing hospitality and finding new friends worldwide. During the work, a detailed review and study of the development process of tourism and the impact of the Internet on the promotion of online services for finding and renting housing. Existing analogues of rental housing systems were described. The main task of developed online service is to provide tourists with the opportunity to search for and rent apartments for the duration of their travels. The traveler, being on the site’s main page, should be able to specify the search criteria, namely to enter the details of the destination, the desired rental dates, the number of inhabitants and special requirements for apartments. The online service, in turn, must immediately sort the proposals based on the specified characteristics and display options to the user. According to the research, functional requirements for the future service were formed and described, the architecture of client-server software development was chosen for implementation, steps of software product implementation were described, data warehouse creation was created, and the image of ready online service was presented.

In today's information society, the rapid growth of text data, particularly on social networks, news resources, psychological support forums, and chatbots, creates an objective need for highly accurate tools for automatic analysis of the emotional content

In today's information society, the rapid growth of text data, particularly on social networks, news resources, psychological support forums, and chatbots, creates an objective need for highly accurate tools for automatic analysis of the emotional content

Text generation, in particular, next‐word prediction, is convenient for users because it helps to type without errors and faster. Therefore, a personalized text prediction system is a vital analysis topic for all languages, primarily for Ukrainian, because of limited support for the Ukrainian language tools. LSTM and Markov chains and their hybrid were chosen for next‐word prediction. Their sequential nature (current output depends on previous) helps to successfully cope with the next‐word prediction task. The Markov chains presented the fastest and adequate results. The hybrid model presents adequate results but it works slowly. Using the model, user can generate not only one word but also a few or a sentence or several sentences, unlike T9.