https://ir.lib.vntu.edu.ua//handle/123456789/44462 2026-04-15T06:31:19Z 2026-04-15T06:31:19Z Liubun O. I. Любунь, О. І. https://ir.lib.vntu.edu.ua//handle/123456789/50182 2026-03-17T09:32:19Z 2025-01-01T00:00:00Z

The use of artificial intelligence in modern information systems Liubun O. I.; Любунь, О. І. The article discusses modern approaches to the use of artificial intelligence (AI) in information systems. The main areas of AI application, such as natural language processing, machine learning, and computer vision, are analyzed. Particular attention is paid to the advantages and challenges associated with the implementation of AI in various fields, including medicine, finance, and education. The prospects for further development of AI technologies and their impact on society are determined. The article also explores ethical considerations, data security issues, and the future of AI in the context of global technological advancements.; У статті розглядаються сучасні підходи до використання штучного інтелекту (ШІ) в інформаційних системах. Аналізуються основні напрями застосування ШІ, такі як обробка природної мови, машинне навчання та комп`ютерний зір. Особлива увага приділяється перевагам та викликам, пов`язаним із впровадженням ШІ у різних галузях, зокрема в медицині, фінансах та освіті. Визначаються перспективи подальшого розвитку технологій ШІ та їх вплив на суспільство. Також розглядаються етичні аспекти, питання захисту даних та майбутнє ШІ у контексті глобальних технологічних змін.

2025-01-01T00:00:00Z Витвицька, К. В. Корнєєва, А. Р. Косьмінський, В. В. Іванов, Ю. Ю. Кривогубченко, С. Г. Ivanov, Yu. Yu. Krivogubchenko, S. G. https://ir.lib.vntu.edu.ua//handle/123456789/49327 2026-03-03T10:08:04Z 2025-01-01T00:00:00Z

Адаптивні ройові алгоритми оптимізації Витвицька, К. В.; Корнєєва, А. Р.; Косьмінський, В. В.; Іванов, Ю. Ю.; Кривогубченко, С. Г.; Ivanov, Yu. Yu.; Krivogubchenko, S. G. У даній роботі проаналізовано особливості застосування та представлено математичні моделі двох адаптивних ройових алгоритмів оптимізації.; In this paper have been analyzed the features and has been presented a mathematical models of two adaptive swarm optimization algorithms.

2025-01-01T00:00:00Z Лаврінчук, О. О. Пасічнюк, Т. В. Сіраченко, Р. В. Іванов, Ю. Ю. Кривогубченко, С. Г. Ivanov, Yu. Yu. Krivogubchenko, S. G. https://ir.lib.vntu.edu.ua//handle/123456789/49326 2026-03-03T10:41:16Z 2025-01-01T00:00:00Z

Евристичні алгоритми дискретної оптимізації Лаврінчук, О. О.; Пасічнюк, Т. В.; Сіраченко, Р. В.; Іванов, Ю. Ю.; Кривогубченко, С. Г.; Ivanov, Yu. Yu.; Krivogubchenko, S. G. У даній роботі проаналізовано дві дискретні задачі оптимізації та евристичні алгоритми їх розв'язання.; This paper analyzes two discrete optimization problems and heuristic algorithms for their solution.

2025-01-01T00:00:00Z Палій, О. М. https://ir.lib.vntu.edu.ua//handle/123456789/49325 2026-03-03T12:54:31Z 2025-01-01T00:00:00Z

Реалізація моніторингу витоків пам’яті в Node.js-додатках з використанням heap-снапшотів Палій, О. М. У сучасних веб-сервісах на базі Node.js проблема витоків пам’яті може призвести до деградації продуктивності та збоїв. Node.js використовує автоматичне збирання сміття, однак витік пам’яті виникає, коли блок пам’яті більше не використовується додатком, але не звільняється збирачем сміття. У роботі проаналізовано методи виявлення витоків пам’яті в Node.js-додатках. Особливу увагу приділено використанню heap-снапшотів – знімків купи пам’яті процесу Node.js – для моніторингу та діагностики витоків. Розглянуто процес отримання heap-снапшотів та інструменти їх аналізу за допомогою Chrome DevTools. Наведено результати аналізу даних снапшотів для виявлення невивільнених об’єктів. Запропоновано практичні рекомендації щодо запобігання витокам пам’яті та підвищення надійності Node.js-додатків.; Memory leaks in Node.js applications can lead to performance degradation and crashes. Node.js uses automatic garbage collection; however, a memory leak occurs when a block of memory that is no longer needed by the application is not released by the garbage collector. This paper analyzes methods for detecting memory leaks in Node.js applications, with a focus on using heap snapshots for monitoring and diagnostics. The process of obtaining heap snapshots and tools for their analysis using Chrome DevTools are examined. The snapshot data analysis is presented to identify objects that are not freed from memory. Practical recommendations are provided to prevent memory leaks and improve the reliability of Node.js applications.

2025-01-01T00:00:00Z