eNUOLAIR

Репозитарій (відкритий електронний архів) Національного університету «Одеська юридична академія»

Ласкаво просимо до Електронного архіву Національного університету «Одеська юридична академія».
Архів містить електронні версії наукових публікацій та навчально-методичних розробок наукових співробітників, викладачів та аспірантів університету.
Проект реалізовано на базі програмного забезпечення DSpace© та підтримується Науковою бібліоте кою НУ «Одеська юридична академія».

Communities in DSpace

Select a community to browse its collections.

Now showing 1 - 5 of 17

Recent Submissions

Система моніторингу полів «Wheatmon»
(Одеса : Гельветика, 2026) Сукач, Уляна Анатоліївна; Сукач, У. А.; Sukach, Uliana A.; Паскалов, Марк Дмитрович; Паскалов, М. Д.; Paskalov, Mark D.; Русу, Олександр Петрович; Русу, О. П.; Rusu, Oleksandr P.
У роботі представлено опис архітектури та функціональних можливостей автоматизованої системи інтелектуального моніторингу сільськогосподарських угідь «Wheatmon». Проєкт розробено на базі сучасного вебфреймворку Django із впровадженням алгоритмів штучного інтелекту для розпізнавання стану рослин. Система дозволяє своєчасно виявляти ознаки стресу посівів, захворювання та дефіцит вологи за допомогою аналізу зображень надвисокої чіткості (4K), що мінімізує негативний вплив людського фактора при ручному обході полів.
Нелінійно-динамічні та фрактальні властивості шуму в сигналах рівня палива маневрових локомотивів
(Одеса : Гельветика, 2026) Герасимов, Володимир Володимирович; Герасимов, В. В.; Herasymov, Volodymyr V.; Іващев, Данило Володимирович; Іващев, Д. В.; Ivashchev, Danylo V.
Досліджено нелінійно-динамічні та фрактальні властивості шуму в сигналах рівня палива шести маневрових локомотивів. Використано R/S-регресію, детрендований флуктуаційний аналіз DFA на кількох діапазонах масштабів, мультифрактальний DFA, метод Розенштейна та рекурентний аналіз RQA. З'ясовано, що флуктуаційна функція DFA має чіткий кросовер: на малих масштабах шум демонструє помірну персистентність, узгоджену з раніше встановленою високою короткостроковою автокореляцією шуму, а на великих масштабах виходить на плато, що відповідає стаціонарності, підтвердженій тестами ADF і KPSS. При цьому шум має мультифрактальну природу, важкі хвости розподілу й виражену рекурентну структуру. Результати узгоджуються з раніше встановленими характеристиками цього шуму і доповнюють їх багатомасштабним аналізом.
Модульна архітектура інформаційної технології для розмежування судин кровоносного та лімфатичного русла за даними медичної візуалізації
(Одеса : Гельветика, 2026) Пономарчук, Валерій Юрійович; Пономарчук, В. Ю.; Ponomarchuk, Valerii Yu.; Сергєєва, Катерина Леонідівна; Сергєєва, К. Л.; Serhieieva, Kateryna L.; Булана, Тетяна Михайлівна; Булана, Т. М.; Bulana, Tetiana M.; Молодець, Богдан Володимирович; Молодець, Б. В.; Molodets, Bohdan V.
Запропоновано модульну архітектуру інформаційної технології, що автоматизує розмежування судин кровоносного і лімфатичного русла за даними медичної візуалізації і призначена для підтримки передопераційного планування в онкоурології. У межах єдиного конвеєра з шести модулів технологія поєднує оптимальні модальності отримання зображень із нейромережевим аналізом. Модулі розподілено між передопераційним та інтраопераційним етапами й доповнено спільною підсистемою навчання. Основну увагу приділено системно-інженерним аспектам архітектури, а саме організації потоку даних, стандартизації інтерфейсів між модулями та реалізації принципу поліморфізму, який забезпечує замінність компонентів і поетапне впровадження технології.
Класифікація вебтрафіку HTTP/HTTPS-запитів на основі ML-методів
(Одеса : Гельветика, 2026) Стрелковська, Ірина Вікторівна; Стрелковська, І. В.; Strelkovska, Iryna V.; Соловська, Ірина Миколаївна; Соловська, І. М.; Solovska, Iryna M.; Стрелковська, Юлія Олександрівна; Стрелковська, Ю. О.; Strelkovska, Yuliia O.
Розглянуто задачу класифікації вебтрафіку до нормального (еталонного) або аномального (шкідливого) вебтрафіку HTTP/HTTPS-запитів. Встановлено, що для класифікації вебтрафіку доцільним є використання методів машинного навчання (ML-методів). Запропоновано використання для класифікації вебтрафіку методу k-найближчих сусідів KNN та Байєсівського методу. Отримані результати можуть бути використаними в системах моніторингу вебтрафіку та раннього попередження аномалій вебресурсів.
Інтелектуальні методи моніторингу та ідентифікації стійких кластерів інституційної ліквідності в потоках даних мікроструктури ринку
(Одеса : Гельветика, 2026) Чебанюк, Олексій Дмитрович; Чебанюк, О. Д.; Chebaniuk, Oleksii D.; Динін, Борис Іванович; Динін, Б. І.; Dynin, Borys I.
У статті розглядається проблема аналізу мікроструктури сучасних фінансових ринків в умовах високої затримки та алгоритмічного шуму. Автором запропоновано алгоритм автоматичного виявлення та супроводу «лімітних щільностей» — великих заявок інституційних учасників. Новизна підходу полягає у використанні динамічного порогу фільтрації на основі ковзної медіани та впровадженні механізму трекінгу поведінкових патернів через систему «цвинтаря ідентифікаторів» (The Graveyard). Це дозволяє ідентифікувати реальні великі заявки та аналізувати їхню динаміку. Реалізація системи на мові Rust забезпечує обробку даних у реальному часі з мінімальним рівнем затримки. Ефективність запропонованого методу підтверджена в ході емпіричного тестування на потоках даних біржових стаканів (L2).