https://ir.lib.vntu.edu.ua//handle/123456789/447 2026-05-16T09:56:19Z https://ir.lib.vntu.edu.ua//handle/123456789/51340 Методи підвищення ефективності гетерогенних мобільних мереж Васильківський, М. В.; Грабчак, Н. В.; Ткач, Р. О.; Vasylkivskyi, M.; Hrabchak, N.; Tkach, R. The paper addresses current issues in the development of telecommunication systems in the context of the rapid growth of digital traffic and the expansion of the application scope of information and communication technologies. The prerequisites for the transition from fifth-generation mobile networks to sixth-generation (6G) wireless communication technologies are analyzed, which are considered the foundation for the formation of future digital ecosystems. The main principles of 6G network operation are identified, including the provision of ultra-high data transmission rates, ultra-low latency, support for massive device connectivity, and integration with intelligent technologies. Particular attention is paid to the implementation of sustainable development principles in telecommunication systems, which involves increasing the energy efficiency of network infrastructure, reducing energy consumption, and minimizing negative environmental impacts. The concept of Green Communication is considered, which is aimed at creating energy-efficient and environmentally friendly next-generation communication networks. The role of artificial intelligence technologies, blockchain solutions, post-quantum cryptography, edge computing, and the use of the terahertz spectrum in improving the efficiency, reliability, and security of 6G networks is analyzed. It has been established that the use of intelligent algorithms for network resource management can significantly reduce the energy consumption of telecommunication systems and improve the quality of service for users. The prospects for the application of 6G networks in sustainable development systems are demonstrated, particularly in smart city systems, digital healthcare, and environmental monitoring systems. The obtained results indicate the significant potential of 6G technologies in forming an energy-efficient, secure, and scalable information and communication infrastructure of the future.; У роботі розглянуто актуальні питання розвитку телекомунікаційних систем у контексті стрімкого зростання обсягів цифрового трафіку та розширення сфери застосування інформаційнокомунікаційних технологій. Проаналізовано передумови переходу від мобільних мереж п’ятого покоління до технологій бездротового зв’язку шостого покоління (6G), що розглядаються як основа формування майбутніх цифрових екосистем. Визначено основні принципи функціонування мереж 6G, зокрема забезпечення надвисоких швидкостей передавання даних, наднизьких затримок сигналу, підтримку масового підключення пристроїв та інтеграцію з інтелектуальними технологіями. Особливу увагу приділено реалізації принципів сталого розвитку в телекомунікаційних системах, що передбачає підвищення енергоефективності мережевої інфраструктури, зниження рівня енергоспоживання та мінімізацію негативного впливу на навколишнє середовище. Розглянуто концепцію Green Communication, яка орієнтована на створення енергоефективних та екологічно безпечних мереж зв’язку нового покоління. Проаналізовано роль технологій штучного інтелекту, блокчейн-рішень, постквантової криптографії, периферійних обчислень та використання терагерцового спектра у підвищенні ефективності, надійності та безпеки мереж 6G. Встановлено, що застосування інтелектуальних алгоритмів управління мережевими ресурсами дозволяє суттєво зменшити енергоспоживання телекомунікаційних систем та підвищити якість обслуговування користувачів. Показано перспективи використання мереж 6G у системах сталого розвитку, зокрема в інтелектуальних міських системах, цифровій медицині та системах екологічного моніторингу. Отримані результати свідчать про значний потенціал технологій 6G у формуванні енергоефективної, безпечної та масштабованої інформаційно-комунікаційної інфраструктури майбутнього. 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/51339 Оптимізація мереж 5G засобами штучного інтелекту Васильківський, М. В.; Грабчак, Н. В.; Антонюк, М. І.; Vasylkivskyi, M.; Hrabchak, N.; Antonyuk, M. This work investigates modern methods for enhancing the performance of artificial intelligence algorithms executed directly on mobile and embedded devices. Specialized optimization approaches are considered, including layer-wise profiling, efficient execution of convolution operations using General Matrix Multiplication (GEMM), operator fusion to reduce memory accesses, low-precision computations (FP16, INT8), and memory usage optimization through liveness analysis and shared memory pools. The advantages of integrating modern deep learning architectures, such as Transformers and generative models (GANs), for network parameter prediction and training data synthesis are explored. Conclusions are drawn regarding improved inference speed, reduced memory footprint and energy consumption, and enhanced efficiency in utilizing GPU and AI accelerator resources.; У роботі досліджено сучасні методи підвищення продуктивності алгоритмів штучного інтелекту, що виконуються безпосередньо на мобільних та вбудованих пристроях. Розглянуто спеціалізовані підходи до оптимізації, включаючи layer-wise профілювання, ефективне виконання операцій згортки через General Matrix Multiplication (GEMM), operator fusion для зменшення звернень до пам’яті, низькоточні обчислення (FP16, INT8) та оптимізацію використання оперативної пам’яті за допомогою liveness analysis і спільних пулів пам’яті. Досліджено переваги інтеграції сучасних архітектур глибокого навчання, таких як Transformer та генеративні моделі (GAN), для прогнозування параметрів мереж і синтезу навчальних даних. Зроблено висновки щодо підвищення швидкодії інференсу, скорочення обсягів пам’яті та енергоспоживання, а також покращення ефективності використання обчислювальних ресурсів GPU та апаратних прискорювачів AI. 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50429 Design and modeling of neuronequivalentors and their nodes as accelerators of equivalentalconvolutional self-learning neural structures Krasilenko, V. G.; Lazarev, A. A.; Nikitovich, D. V.; Красиленко, В. Г.; Лазарєв, О. О.; Нікітович, Д. В. In the paper we consider the urgent need to create highly efficient hardware accelerators for deep convolutional neural networks (CNNs) and machine learning. We show overview of our related works the advantages of the equivalent models (EM) for designing bio-inspired systems. The capacity of neural net on the basis of EM is in several times quantity of neurons. Such EM-paradigms are perspective for clustering, recognition strongly correlated, highly noised images and creating of uncontrolled learning machine. And since the basic functional nodes of EM are vector-matrix procedures with continuous-logical operations as: normalized vector operations \"equivalence\", \"nonequivalence\", and etc., we consider in this paper new approaches to the design of arrays of such neuron-equivalentors (NEs) with extended functionality, including activation functions. Our approach is based on the use of analog and mixed methods for implementing the required operations, building NEs (with number of synapsis 8 up to 128 and more) and their base nodes based on photo-elements and CMOS current mirrors. Simulation results show that the efficiency of NEs relative to the energy intensity is estimated at a value of not less than 10^12 an. op. / sec on W and can be increased. The results confirm the correctness of the concept of creating NEs and equivalental-convolutional self-learning neural structures (EqCSLNSs) on their basis.; У статті ми розглядаємо нагальну потребу у створенні високоефективних апаратних прискорювачів для глибоких згорткових нейронних мереж (ЗНМ) та машинного навчання. Ми показуємо огляд наших пов`язаних робіт щодо переваг еквівалентних моделей (ЕМ) для проектування біологічно натхненних систем. Потужність нейронної мережі на основі ЕМ перевищує кількість нейронів у кілька разів. Такі ЕМ-парадигми є перспективними для кластеризації, розпізнавання сильно корельованих, високо зашумлених зображень та створення некерованих навчальних машин. А оскільки основними функціональними вузлами ЕМ є векторно-матричні процедури з безперервно-логічними операціями, такими як: нормалізовані векторні операції \"еквівалентність\", \"нееквівалентність\" тощо, у цій статті ми розглядаємо нові підходи до проектування масивів таких нейрон-еквівалентів (НЕ) з розширеною функціональністю, включаючи функції активації. Наш підхід базується на використанні аналогових та змішаних методів для реалізації необхідних операцій, побудови НЕ (з кількістю синапсів від 8 до 128 і більше) та їх базових вузлів на основі фотоелементів та КМОП-струмових дзеркал. Результати моделювання показують, що ефективність НА відносно енергоємності оцінюється на рівні не менше 10^12 ан. оп./с на Вт і може бути збільшена. Результати підтверджують правильність концепції створення НА та еквівалентно-згорткових самонавчальних нейронних структур (EqCSLNS) на їх основі. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50318 Великоблокові матричні афінно-перестановочні шифри з ізоморфними представленнями блоків і ключів Красиленко, В. Г.; Нікітович, Д. В.; Krasilenko, V. G.; Nikitovych, D. V. The article considers large-block matrix affine permutation ciphers (MAPS). Based on a review of related publications, the relevance of the development of improvements to known similar ciphers is shown and the goal and task of conducting experiments with their large-block modifications are specified. Experiments in the Mathcad environment confirmed the adequacy of the proposed large-block ciphers (MAPS) with isomorphic representations of blocks and keys. It is shown that increasing the dimensionality of permutation matrices (PMs) and blocks improves the characteristics of ciphers, including increasing cryptographic strength and expanding functional capabilities. A number of model experiments are presented that explain the processes of cryptographic transformations, generation of MPs, the main MP and subkeys, and their advantages. The models are simple, convenient, adaptable to various formats and color images, implemented by matrix processors, and have high efficiency, stability, and speed.; В статті розглядаються великоблокові матричні афінно-перестановочні шифри (МАПШ). На основі огляду повязаних публікацій показана актуальність розляду покращень відомих подібних шифрів та уточнена мета та поставлена задача проведення екпериментів з великоблоковими їх модифікаціями. Екпериментами в середовищі Маткад підтверджені адекватність запропонованих великоблокових шифрів (МАПШ) з ізоморфними представленнями блоків та ключів. Показано, що збільшення розмірності матриць перестановок (МП) та блоків покращує характеристики шифрів, в тому числі збільшує криптостійкість та розширює функціональні можливості. Наведено низку модельних експериментів, що пояснюють процеси крипто-перетворень, генерування МП, головної МП та під-ключів, їх переваги. Моделі прості, зручні, адаптуються для різноформатних та кольорових зображень, реалізуються матричними процесорами, мають високі ефективність, стійкість, швидкодію. 2025-01-01T00:00:00Z