https://ir.lib.vntu.edu.ua//handle/123456789/51868 Wed, 01 Jul 2026 17:03:19 GMT 2026-07-01T17:03:19Z https://ir.lib.vntu.edu.ua//handle/123456789/51816 Application of deep learning methods to image processing and enhancement: A case study on seismic data Malikov, R.; Маліков, Р. The aim of this study was to evaluate the effectiveness of a modified encoder-decoder neural network architecture for denoising and image enhancement using synthetic and real data. The research methodology was based on a computational experiment and included training the model on synthetic images, quantitatively comparing the obtained results with the f-x deconvolution method and an alternative convolutional denoising model, and testing the robustness on real data with the presence of various noise characteristics. It was found that the applied denoising technique was characterised not only by reducing the noise component but also by preserving spatially significant image characteristics, including sharpness of edges, local transitions, morphology, and the relative positions of structural elements without signs of excessive smearing. A final comparison of the methods on synthetic test images showed that the average signal-to-noise ratio, peak signal-to-noise ratio, and multiscale structural similarity index for the proposed approach were 45.9 dB, 29.7 dB, and 0.99, respectively. For the f-x deconvolution method, the corresponding values were 31.5 dB, 23.9 dB, and 0.94, while for the alternative convolutional noise reduction model, the values were 20.9 dB, 18.4 dB, and 0.86. When applied to real data, the same enhancement behaviour was preserved, including the removal of pronounced noise contamination and derivation of a relatively clean signal without signal distortion. Depending on the input features, the method was accompanied by a decrease in intense noise masking, a reduction in residual noise, while maintaining a distinguishable signal structure, and reconstruction under conditions of a more complex spatial organisation of interference. Spectral analysis revealed a reduction in noise energy without disrupting the spectral configuration in the informative frequency range. The practical significance lies in the potential application of the proposed approach as a computational method for processing noisy images in systems designed for noise reduction and restoration of various data structures.; Метою цього дослідження була оцінка ефективності модифікованої архітектури нейронної мережі кодер-декодер для шумозаглушення та покращення зображень з використанням синтетичних та реальних даних. Методологія дослідження базувалася на обчислювальному експерименті та включала навчання моделі на синтетичних зображеннях, кількісне порівняння отриманих результатів за допомогою методу f-x деконволюції та альтернативної моделі згорткового шумозаглушення, а також перевірку стійкості на реальних даних з наявністю різних шумових характеристик. Було виявлено, що застосований метод шумозаглушення характеризувався не тільки зменшенням шумової складової, але й збереженням просторово значущих характеристик зображення, включаючи різкість країв, локальні переходи, морфологію та відносне положення структурних елементів без ознак надмірного розмиття. Остаточне порівняння методів на синтетичних тестових зображеннях показало, що середнє співвідношення сигнал/шум, пікове співвідношення сигнал/шум та багатомасштабний індекс структурної подібності для запропонованого підходу становили 45,9 дБ, 29,7 дБ та 0,99 відповідно. Для методу f-x деконволюції відповідні значення становили 31,5 дБ, 23,9 дБ та 0,94, тоді як для альтернативної моделі згорткового шумозаглушення значення становили 20,9 дБ, 18,4 дБ та 0,86. При застосуванні до реальних даних зберігалася та сама поведінка покращення, включаючи видалення вираженого шумового забруднення та отримання відносно чистого сигналу без спотворень. Залежно від вхідних характеристик, метод супроводжувався зменшенням інтенсивного маскування шуму, зменшенням залишкового шуму зі збереженням чіткої структури сигналу та реконструкцією в умовах більш складної просторової організації перешкод. Спектральний аналіз виявив зменшення енергії шуму без порушення спектральної конфігурації в інформативному діапазоні частот. Практичне значення полягає в потенційному застосуванні запропонованого підходу як обчислювального методу обробки шумних зображень у системах, призначених для шумозаглушення та відновлення різних структур даних Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/51816 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/51815 Analysis of the construction of a communication network of the tactical control link based on software-defined radio communication means Radzivilov, H.; Pavliuk, D.; Радзівілов, Г.; Павлюк, Д. The purpose of the study was to develop an architectural solution for the construction and management of a tactical communication circuit of the company-battalion-brigade levels based on flexible radio platforms to ensure continuity and reliability of communication in conditions of active enemy counteraction. Methods of structural and functional modelling, scenario and comparative analysis were used. It was established that in conditions of electronic warfare (EW), the communication circuit of the company-battalion-brigade levels should be built as a hybrid multi-level architecture, which at the company level combines separate voice communication and data transmission channels, uses a self-organised Mobile Ad Hoc Network based on software-defined radio systems for tactical exchange, and at the battalion level – a gateway node for traffic aggregation, routing, and integration with higher-level communication channels via Low Earth Orbit satellite backhaul. It was shown that Digital Mobile Radio should be used for the voice loop of the command-and-control minimum, Software-Defined Radio Mobile Ad Hoc Network with Multiple-Input Multiple-Output – for the tactical data transmission layer, and LEO satellite backhaul – as a main or backup communication channel between the battalion-brigade levels. An iterative algorithm for planning and configuring the tactical command link communication network in the presence of electromagnetic interference and limited resources was proposed. The advantages of the model were increased availability of the command-and-control minimum, preservation of controllability, prioritisation of traffic by quality of service and controlled degradation of services. Its effectiveness was determined by the continuity of voice communication, data exchange stability, speed of connection restoration and communication redundancy between the company-battalion-brigade levels. The practical significance lies in the possibility of applying the results by specialists of communication units during planning, deployment and adjustment of the tactical communication circuit of the company – battalion – brigade in field conditions in a complex electromagnetic environment and under active countermeasures.; Метою дослідження було розроблення архітектурного рішення щодо побудови та керування тактичним контуром зв’язку рівнів рота – батальйон – бригада на базі гнучких радіоплатформ для забезпечення безперервності та надійності комунікацій в умовах активної протидії противника. Були використані методи структурно-функціонального моделювання, сценарного та порівняльного аналізу. Встановлено, що в умовах радіоелектронної боротьби (РЕБ) контур зв’язку рівнів рота – батальйон – бригада слід будувати як гібридну багаторівневу архітектуру, яка на рівні роти поєднує окремі канали голосового зв’язку та передавання даних, використовує для тактичного обміну самоорганізовану мережу Mobile Ad Hoc Network на основі програмно-керованих радіосистем, а на батальйонному – вузол-шлюз для агрегації трафіку, маршрутизації та інтеграції з каналами зв’язку вищого рівня через Low Earth Orbit satellite backhaul. Показано, що Digital Mobile Radio необхідно використовувати для голосового контуру command and control-мінімуму, Software-Defined Radio Mobile Ad Hoc Network із Multiple-Input Multiple-Output – для тактичного шару передавання даних, а LEO satellite backhaul – як магістральний або резервний канал зв’язку між рівнями батальйон – бригада. Запропоновано ітераційний алгоритм планування та налаштування мережі зв’язку тактичної ланки управління (ТЛУ) при наявності електромагнітних перешкод та обмежених ресурсів. Перевагами моделі є підвищення доступності мінімуму командування та управління, збереження керованості, пріоритезація трафіку за якістю обслуговування та керована деградація сервісів. Її ефективність визначалася безперервністю голосового зв’язку, стійкістю обміну даними, швидкістю відновлення зв’язності та резервуванням зв’язку між рівнями рота – батальйон – бригада. Практична значимість полягає у можливості застосування результатів фахівцями підрозділів зв’язку під час планування, розгортання та налаштування тактичного контуру зв’язку рота – батальйон – бригада у польових умовах за складної електромагнітної обстановки та активної протидії Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/51815 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/51814 A hybrid A-UKF-PINN digital twin architecture for real-time state estimation in Smart Grids Vychuzhanin, V.; Vychuzhanin, A.; Вичужанін, В.; Вичужанін, О. The increasing variability, nonlinearity, and real-time operational requirements of Smart Grids (SGs) make static digital models insufficient for reliable state estimation and control of distributed assets such as Vehicle-to-Grid (V2G) storage systems. The purpose of the study was a formal and model-based substantiation of the advantages of dynamic digital twins (DTs) over static data model (DM) in real-time lithium-ion storage system condition assessment tasks. To achieve this, a hybrid adaptive unscented Kalman filter – physics-informed neural network (A-UKF-PINN) architecture was proposed, combining an A-UKF (Adaptive Unscented Kalman Filter), which provided robust state estimation in the presence of noise and uncertainty, with a physics-informed PINN (Physics-Informed Neural Network) model that considers the dynamics and nonlinear processes of the battery cell. The originality of the study lies in the integration of these components into a single model that supports bidirectional synchronisation, which improves forecast stability and significantly reduces desynchronisation between the model and the physical object in SG conditions. Simulation validation was carried out on V2G operating cycles with modelled Phasor Measurement Unit / Internet of Things sensor noise. The obtained Root Mean Square Error (RMSE) of 0.87% demonstrated a 44% accuracy improvement compared to a traditional DM (ECM (equivalent circuit models) + UKF, RMSE 1.98%) and a 56% improvement relative to the baseline digital twin (pure PINN). The architectural assessment confirmed the necessity of using a hierarchical Edge-Cloud platform that ensures optimal distribution of computational workloads: PINN training in the cloud environment and high-frequency state estimation at the edge. The proposed architecture forms the basis for scalable dynamic DTs in SG, helps to reduce operational risks, supports the implementation of proactive maintenance strategies, and increases the efficiency of the energy infrastructure life cycle.; Зростаюча мінливість, нелінійність та вимоги до роботи в режимі реального часу розумних енергомереж роблять статичні цифрові моделі недостатніми для надійної оцінки стану та контролю розподілених активів, таких як системи зберігання Vehicle-to-Grid (V2G). Метою дослідження було формальне та імітаційне обґрунтування переваг динамічних цифрових двійників (DTs) порівняно зі статичними data model (DM) у задачах оцінювання стану літій-іонних накопичувачів у реальному часі. Для цього запропоновано гібридну архітектуру A-UKF–PINN, що поєднує адаптивний несцентований фільтр Калмана (A-UKF), який забезпечує стійке оцінювання стану за наявності шумів і невизначеностей, із фізично інформованою моделлю PINN (Physics-Informed Neural Network), яка враховує динаміку та нелінійні процеси акумуляторного елемента. Новизна роботи полягає в інтеграції цих компонентів в єдину модель із двобічною синхронізацією, що підвищує стабільність прогнозування та істотно зменшує десинхронізацію між моделлю й фізичним об’єктом в умовах Smart Grid. Імітаційну валідацію проведено на робочих циклах V2G з урахуванням змодельованих шумів датчиків PMU/IoT (Phasor Measurement Unit / Internet of Things). Отримане значення Root Mean Square Error (RMSE) 0,87 % продемонструвало підвищення точності на 44 % порівняно з традиційною DM (ECM (equivalent circuit models) + UKF, RMSE 1,98 %) та на 56 % відносно базового цифрового двійника (чистий PINN). Архітектурна оцінка підтвердила необхідність використання ієрархічної платформи Edge-Cloud, що забезпечує оптимальний розподіл обчислювальних навантажень: навчання PINN у хмарному середовищі та високочастотне оцінювання стану на периферії. Запропонована архітектура формує основу для масштабованих динамічних DT у Smart Grid, сприяє зниженню операційних ризиків, підтримує впровадження стратегій проактивного технічного обслуговування та підвищує ефективність життєвого циклу енергетичної інфраструктури Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/51814 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/51811 Effectiveness of artificial intelligence for test prioritisation in distributed systems of Ukrainian and international software development Zadorozhnii, A.; Задорожній, А. The growing complexity of distributed Continuous Integration/Continuous Delivery (CI/CD) systems, and the limited scalability and stability of conventional heuristic methods for test prioritisation, necessitates the investigation of alternative methods of optimising the testing process. The purpose of this research was to determine the features of using AI methods for test prioritisation and to suggest an approach for integrating AI methods into automated testing processes. The research involved a comparative analysis of intelligent and hybrid methods for test prioritisation in distributed systems, using the APFD and APFDc metrics. The results of the study show the advantage of intelligent and hybrid approaches to test prioritisation over conventional heuristics. The random approach to test prioritisation proved to be the least efficient, achieving an APFD of approximately 0.51. More sophisticated heuristic approaches increased the APFD to around 0.62. Population-based methods increased the APFD to approximately 0.72. Using machine learning methods increased the APFD to about 0.76. The best results were achieved by using hybrid methods that combined machine learning and PSO. The APFD in this case reached 0.81, and the execution time for test suites decreased by nearly 45%. These results confirm that the integration of AI methods into the testing process is suitable for distributed CI/CD systems. The results of this study can be used by software developers, QA teams and engineers to optimise the testing processes in distributed systems.; Актуальність дослідження зумовлена зростанням складності розподілених Continuous Integration/Continuous Delivery (CI/CD)-систем та обмеженістю традиційних евристичних підходів до пріоритизації тестів, які не забезпечують достатньої стабільності та масштабованості в умовах великих тестових наборів і обмежених обчислювальних ресурсів. У зв’язку з цим постає потреба у пошуку більш адаптивних методів оптимізації процесу тестування. Метою дослідження було емпірично визначити особливості застосування методів штучного інтелекту (ШІ) для пріоритизації тестів у розподілених середовищах розробки програмного забезпечення та обґрунтувати практичний підхід до інтеграції ШІ у процеси автоматизованого тестування. Дослідження базувалося на порівняльному експериментальному аналізі інтелектуальних та гібридних методів пріоритизації тестів у розподілених системах із використанням метрик Average Percentage of Faults Detected (APFD) та Cost-cognizant Average Percentage of Faults Detected (APFDc). Результати дослідження показали перевагу інтелектуальних і гібридних підходів до пріоритизації тестів над традиційними евристиками в середовищах CI/CD. Випадкова пріоритизація демонструвала найнижчу ефективність із APFD близько 0,51, тоді як прості евристичні стратегії підвищували цей показник до приблизно 0,62. Популяційні методи забезпечували подальше зростання якості пріоритизації до рівня близько 0,72, а алгоритми машинного навчання – до близько 0,76, що підтверджує доцільність використання прогнозування дефектності для адаптивного впорядкування тестів. Найвищі результати було отримано для гібридних підходів, які поєднували машинне навчання з оптимізацією рою частинок: APFD досягав приблизно 0,81, а час виконання тестових наборів скорочувався майже на 45 %. Це свідчить про синергійний ефект інтеграції прогнозних моделей з оптимізаційними алгоритмами та підтверджує практичну доцільність гібридних методів для масштабованих розподілених CI/CD-середовищ. Результати дослідження можуть бути використані розробниками програмного забезпечення, командами забезпечення якості та інженерами для оптимізації процесів тестування у розподілених системах Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/51811 2026-01-01T00:00:00Z