https://ir.lib.vntu.edu.ua//handle/123456789/46170 2026-04-06T12:15:40Z 2026-04-06T12:15:40Z Степанов, Д. В. Резидент, Д. М. Мартиненко, В. В. Stepanov, D. V. Rezydent, D. M. Martynenko, V. V. https://ir.lib.vntu.edu.ua//handle/123456789/50319 2025-12-22T13:53:44Z 2024-01-01T00:00:00Z

Аналіз заходів для підвищення енергоефективності житлового будинку Степанов, Д. В.; Резидент, Д. М.; Мартиненко, В. В.; Stepanov, D. V.; Rezydent, D. M.; Martynenko, V. V. The current state of energy efficiency of the housing stock and the share of energy consumed by residential buildings in the overall energy balance of the country are characterized. The relevance of increasing the energy efficiency of residential buildings is shown, which will allow to significantly reduce the consumption of fossil fuels and electricity, as well as reduce the amount of harmful emissions into the environment. Ways to solve the problems of thermal modernization of buildings are analyzed, including energy certification, introduction of renewable energy sources and heat recovery in ventilation systems. The normative requirements for determining the main indicators of energy efficiency of the building, namely the specific thermal resistances of the enclosing structures and the specific energy consumption of the building for heating and cooling are given. The energy efficiency class "D" was assigned to a new multi-apartment residential building with thermal resistances of the enclosure structures and gas boilers in the heated rooms according to the standards. Measures to increase the energy efficiency of the building are proposed and their impact on such indicators as specific energy consumption of heating and cooling, specific consumption of primary energy, specific emissions of greenhouse gases is estimated. The effect of strengthening the thermal insulation of the external walls and the building covering was analyzed in comparison with the normative values of the reduced thermal resistance of the fences. The results of reducing energy consumption and greenhouse gases due to the introduction of heat recovery of the ventilation system of built-in public spaces are shown. The effect of installing a condensing gas boiler and an air-to-water or air-to-air heat pump is given. The results of determining the effectiveness of the use of centralized heat supply to meet the needs of heating and hot water supply of a multi-apartment residential building were evaluated.; Охарактеризовано сучасний стан енергоефективності житлового фонду та частку енергії, що споживають житлові будинки в загальному енергобалансі країни. Наведено актуальність підвищення енергоефективності житлових будинків, що дозволить суттєво зменшити споживання викопних палив та електроенергії, а також скоротити обсяги шкідливих викидів в навколишнє середовище. Проаналізовано шляхи розв`язання проблем термомодернізації будівель, серед яких енергетична сертифікація, впровадження відновлюваних джерел енергії та рекуперація теплоти в системах вентиляції. Наведено нормативні вимоги щодо визначення основних показників енергоефективності будівлі, а саме приведених термічних опорів огороджувальних конструкцій та питомого енергоспоживання будівлі на опалення та охолодження. Для нового багатоквартирного будинку з відповідними нормативам термічними опорами огороджувальних конструкцій та газовими котлами в опалюваних приміщеннях визначено клас енергоефективності «D». Запропоновано заходи підвищення енергоефективності будівлі і оцінено їхній вплив на такі показники як питоме енергоспоживання опалення та охолодження, питомі витрати первинної енергії, питомі викиди парникових газів. Проаналізовано вплив посилення теплової ізоляції зовнішніх стін та покриття будинку в порівнянні з нормативними значеннями приведеного термічного опору огороджень. Показано результати зменшення витрат енергії та парникових газів внаслідок впровадження рекуперації теплоти системи вентиляції вбудованих громадських приміщень. Наведено вплив встановлення конденсаційного газового котла та теплового насоса «повітря–вода» або «повітря–повітря». Оцінено результати визначення ефективності використання централізованого теплопостачання для забезпечення потреб опалення та гарячого водопостачання багатоквартирного будинку.

2024-01-01T00:00:00Z Білецький, Б. С. Мокін, В. Б. Biletskyi, B.S. Mokin, V. B. https://ir.lib.vntu.edu.ua//handle/123456789/49884 2025-10-29T10:20:06Z 2024-01-01T00:00:00Z

Визначення темпоральної спрямованості в текстах: нейромережевий підхід для хронологічного впорядкування на основі аналізу пар слів Білецький, Б. С.; Мокін, В. Б.; Biletskyi, B.S.; Mokin, V. B. The article presents a neural network approach for determining the temporal orientation in texts, which allows reconstructing the chronology of events even in the absence of explicit time markers. This approach determines the probabilistic order of words in texts, taking into account their statistical and linguistic relationships. In contrast to traditional approaches that rely on explicit temporal expressions or publication dates, the proposed approach allows to estimate the order of events based on the identified relationships between pairs of words in documents, describing events. To analyze the temporal orientation, neural networks are used to model the relationships between words by comparing their occurrence in texts in pairs. Formulas have been developed to calculate temporal orientation indicators based on the frequency of occurrence of words in dated texts. The obtained indicators are normalized, this provides a better interpretation of the results. Based on these indicators, a set of features was formed to train machine learning models according to various criteria. To test the effectiveness, we created a Ukrainian-language corpus of 127,000 social media news and applied several models: Gradient Boosting Classifier, Random Forest Classifier, Decision Tree, and Logistic Regression. As an example, 48 features that characterize the news, were ed. The experiments revealed that the Gradient Boosting Classifier model showed the best result with an accuracy of 89.76 % on the validation dataset, which exceeded the accuracy of other models such as Random Forest (74.81%) and Decision Tree (68.97 %). The proposed approach proved to be effective in modeling the chronological relationships between events, which is important for text automation tasks. The approach can be used to analyze news, chronologically organize historical events, and work with text data in large arrays.; Запропоновано нейромережевий підхід до визначення темпоральної спрямованості у текстах, що дозволяє відтворювати хронологію подій, навіть за відсутності явних часових маркерів. Цей підхід визначає ймовірнісний порядок появи слів у текстах з урахуванням їхніх статистичних та лінгвістичних зв`язків. На відміну від традиційних підходів, які покладаються на явні часові вирази або дати публікацій, запропонований підхід дає змогу оцінювати порядок подій на основі виявлених взаємозв`язків між парами слів в документах, що описують події. Для аналізу темпоральної спрямованості використовуються нейронні мережі, що дозволяють моделювати відносини між словами шляхом попарного порівняння їхньої появи в текстах. Запропоновано формули для обчислення показників темпоральної спрямованості, які базуються на частоті появи слів у датованих текстах. Отримані показники нормалізовані, що забезпечує кращу інтерпретацію результатів. На основі цих показників сформовано набір ознак для тренування моделей машинного навчання за різними критеріями. Для перевірки ефективності створено україномовний корпус із 127 000 новин соціальних мереж та застосовано кілька моделей: Gradient Boosting Classifier, Random Forest Classifier, Decision Tree та Logistic Regression. Як приклад, вибрано 48 ознак, які характеризують ці новини. У ході експериментів виявлено, що модель Gradient Boosting Classifier показала найкращий результат з точністю 89,76 % на валідаційному датасеті, що перевищило точність інших моделей, таких як Random Forest (74,81 %) та Decision Tree (68,97 %). Запропонований підхід підтвердив ефективність у моделюванні хронологічних зв`язків між подіями, що є важливим для задач автоматизації текстів. Підхід можна використовувати для аналізу новин, хронологічного впорядкування історичних подій і роботи з текстовими даними у великих масивах.

2024-01-01T00:00:00Z Яровий, А. А. Кудрявцев, Д. С. Yarovyi, A. A. Kudriavtsev, D. S. https://ir.lib.vntu.edu.ua//handle/123456789/46721 2025-07-11T09:20:10Z 2024-01-01T00:00:00Z

Підхід до генерації тексту на основі мовної моделі BERT Яровий, А. А.; Кудрявцев, Д. С.; Yarovyi, A. A.; Kudriavtsev, D. S. The application of the BERT language model for tasks of term search and generation in terminological knowledge bases (TKB) with optimization for intelligent chatbots is proposed. The architecture of the BERT model, its bidirectional attention mechanism, text processing algorithms, and the main stages of model training are described. The use of BERT for semantic search of terms and methods for adapting the model for text generation, considering the semantic value of each term, are considered. A comparative analysis of the BERT language model with models from the GPT series is carried out, highlighting the strengths and weaknesses of BERT in the context of search and generative tasks. The paper also thoroughly examines metrics for evaluating the quality of term search, such as Precision, Recall, F1-score, Mean Reciprocal Rank (MRR), Normalized Discounted Cumulative Gain (nDCG), and others, which allow for a comprehensive assessment of the effectiveness of term search and generation. Practical aspects of integrating BERT into knowledge management systems are discussed, and recommendations are provided for fine-tuning the model for specialized TKBs. Additionally, the ethical aspects of using language models are emphasized, particularly the risks of bias in term search and generation, as well as the importance of ensuring accuracy and objectivity in the generated results. The responsible use of BERT is discussed to avoid incorrect or harmful conclusions during the automatic processing of knowledge. Software was developed for testing the BERT language model, and training of the language model was tested on various datasets. The testing results demonstrated the high efficiency of using the BERT language model, considering optimizations for text generation tasks. Potential improvements to BERT for working with TKBs are discussed, including methods for fine-tuning the model on domainspecific data, using the multilingual version of BERT for processing multilingual knowledge bases, as well as optimization techniques for improving performance in resource-constrained environments. Approaches for testing and evaluating search effectiveness are proposed, including the use of expert evaluations and automatic metrics. The final part of the article outlines future research directions, including the integration of BERT with neural search systems, automatic generation of new terms, and the expansion of knowledge management systems’ functionality based on deep learning.; Запропоновано застосування мовної моделі BERT для задач пошуку і генерації термів у термінологічних базах знань (ТБЗ) з використанням оптимізації для інтелектуальних чат-ботів. Описується архітектура моделі BERT, механізм уваги, алгоритми обробки тексту та основні етапи навчання моделі. Розглянуто використання BERT для семантичного пошуку термів, а також методи адаптації моделі для генерації тексту з урахуванням семантичної цінності кожного терму. Виконано порівняльний аналіз мовної моделі BERT з моделями серії GPT, який продемонстрував сильні та слабкі сторони BERT у контексті пошукових і генеративних задач. У статті також детально розглянуто метрики оцінки якості пошуку термів, такі як Precision, Recall, F1-score, Mean Reciprocal Rank (MRR), Normalized Discounted Cumulative Gain (nDCG) та інші, що дозволяють комплексно оцінювати ефективність пошуку та генерації термів. Розглянуто практичні аспекти інтеграції BERT у системи управління знаннями та надано рекомендації щодо донавчання моделі для вузькоспеціалізованих ТБЗ. До того ж, зосереджено увагу на етичні аспекти використання мовних моделей, зокрема ризики виникнення упередженості (bias) у пошуку та генерації термів, а також важливість забезпечення точності й об`єктивності згенерованих результатів. Обговорюється відповідальне використання BERT для уникнення помилкових або шкідливих висновків під час автоматичної обробки знань. Здійснено розробку програмного забезпечення для тестування мовної моделі BERT. Виконано тестування навчання мовної моделі на різних наборах даних. Результатом тестування доведено високу ефективність використання мовної моделі BERT з урахуванням оптимізації для задачі генерації тексту. Зазначено можливі покращення BERT для роботи з ТБЗ, зокрема методи донавчання моделі на специфічних доменних даних, використання мультимовної версії BERT для обробки багатомовних баз знань, а також техніки оптимізації моделі для підвищення продуктивності в умовах обмежених обчислювальних ресурсів. Запропоновано підходи до тестування та оцінки ефективності пошуку, зокрема використання автоматичних метрик. У заключній частині статті окреслено подальші напрямки досліджень, зокрема інтеграцію BERT з нейронними пошуковими системами, автоматичну генерацію нових термів та розширення функціоналу систем управління знаннями на основі глибокого навчання.

2024-01-01T00:00:00Z Лосенко, А. В. Крижановський, Є. М. Штельмах, І. М. Варчук, І. В. Losenko, A. V. Kryzhanovskyi, Ye. M. Shtelmakh, I. M. Varchuk, I. V. https://ir.lib.vntu.edu.ua//handle/123456789/46592 2025-07-11T08:53:37Z 2024-01-01T00:00:00Z

Технологія LLM-видобування ознак тестування пацієнтів з текстових звітів для удосконалення прогнозування кількості хворих на коронавірус Лосенко, А. В.; Крижановський, Є. М.; Штельмах, І. М.; Варчук, І. В.; Losenko, A. V.; Kryzhanovskyi, Ye. M.; Shtelmakh, I. M.; Varchuk, I. V. The article focuses on the application of modern large language models (LLMs) to automate the extraction of essential features from analytical textual reports on the COVID-19 pandemic in Ukraine during 2020–2022. These reports encompass a broad spectrum of data, including regional morbidity indicators, testing dynamics, vaccination outcomes, and demographic characteristics of patients. The study explores the integration of these extracted features into time series models to improve the accuracy of epidemic forecasts. Central to the research is the use of the Prophet model, which was enhanced to account for seasonal changes and anomalies in the data. The study addressed challenges such as the multi-wave nature of the COVID-19 time series, incorporating sharp increases and decreases in cases. Adjustments were made for anomalies caused by changes in quarantine measures, testing policies, and vaccination campaigns, particularly during winter surges. Optimizing the Prophet model involved advanced parameter tuning using methods such as grid search and stochastic optimization, tailored to the specific epidemiological context in Ukraine. Additionally, the study evaluated the potential of neural network models, including LSTM (Long Short-Term Memory), to analyze time series data. LSTM’s ability to capture nonlinear relationships and process multiple input variables complements traditional methods, providing deeper insights into long-term trends and interdependencies in the data. The goal of this study is to develop an effective forecasting tool that integrates LLM-extracted features with advanced modeling techniques. By combining Prophet with enhancements and neural network approaches like LSTM, the research aims to significantly improve the accuracy of short- and long-term forecasts. This is particularly crucial for timely decisionmaking in public health during periods of epidemiological uncertainty; Розглянуто застосування сучасних великих мовних моделей (LLM) для автоматизованого видобування важливих ознак з аналітичних текстових звітів про пандемію COVID-19 в Україні в період 2020—2022 років. Ці звіти охоплюють широкий спектр даних, включно з регіональними показниками захворюваності, динаміку тестування, результати вакцинації та демографічні характеристики пацієнтів. У дослідженні розглянуто інтеграцію цих видобутих ознак у моделі часових рядів для підвищення точності епідеміологічних прогнозів. Центральним елементом дослідження є використання моделі Prophet, яку вдосконалено для врахування сезонних змін і аномалій у даних. У дослідженні вирішувалися такі виклики, як багатохвильовий характер часового ряду COVID-19, включно з різкими підйомами і спадами захворюваності. Здійснено коригування аномалій, спричинених змінами в карантинних заходах, політиці тестування та вакцинаційних кампаніях, особливо в періоди зимових сплесків. Оптимізація моделі Prophet включала вдосконалене налаштування параметрів за допомогою таких методів, як Grid Search і стохастична оптимізація, адаптованих до специфічного епідеміологічного контексту України. Додатково у дослідженні оцінено потенціал нейромережевих моделей, зокрема LSTM (Long Short-Term Memory), для аналізу часових рядів. Здатність LSTM виявляти нелінійні залежності та обробляти велику кількість вхідних параметрів доповнює традиційні методи, забезпечуючи глибше розуміння довгострокових трендів і взаємозв`язків у даних. Мета цієї статті полягає у створенні ефективного інструменту для прогнозування епідеміологічної динаміки, здатного враховувати багатофакторний характер даних, що описують пандемію COVID-19, шляхом інтеграції нових ознак, отриманих із текстових аналітичних звітів за допомогою великих мовних моделей (LLM), у часовий ряд.

2024-01-01T00:00:00Z