Kharkiv Polytechnic Institute
Electronic National Technical University "Kharkiv Polytechnic Institute" Institutional Repository (eNTUKhPIIR)Not a member yet
93981 research outputs found
Sort by
Порівняння нейронних архітектур для перевірки фактів на наборі даних FEVER
No full textThe exponential growth of misinformation and fake news across digital platforms poses unprecedented challenges to information integrity, requiring sophisticated automated fact-checking systems capable of verifying claims against reliable evidence sources with high accuracy and computational efficiency. This study aims to evaluate and compare four hybrid neural architectures (BiLSTM-CNN, BiLSTM-RNN, BiLSTM-GRU, and BiLSTM-GNN) for automated fact verification using the FEVER dataset, investigating their effectiveness in claim-evidence verification under GPU memory constraints while analyzing training dynamics and generalization capabilities. The following results are obtained: The BiLSTM-CNN architecture achieved optimal performance with 79.5% accuracy, 79.5% recall, 77.9% F1-score, and 93.4% AUC-ROC, followed by BiLSTM-GNN (78.9% accuracy, 93.3% AUC-ROC) and BiLSTM-GRU (77.9% accuracy, 92.2% AUC-ROC), while BiLSTM-RNN exhibited catastrophic failure (33.3% accuracy). All successful architectures demonstrated significant overfitting with 15-17% train-validation accuracy gaps, indicating systematic generalization challenges with limited training data (40,000 samples). Conclusion. Multi-kernel convolutional feature extraction proves most effective for local pattern recognition in fact verification, while graph-inspired approaches show promising potential for relational reasoning. The consistent overfitting across architectures highlights the critical need for enhanced regularization, data augmentation, and ensemble methods to achieve robust performance in automated fact-checking systems under computational constraints.
Експоненціальне зростання дезінформації та фейкових новин на цифрових платформах ставить безпрецедентні виклики перед цілісністю інформації, що вимагає створення складних автоматизованих систем перевірки фактів, здатних з високою точністю та обчислювальною ефективністю перевіряти твердження на основі надійних джерел доказів. Це дослідження має на меті оцінити та порівняти чотири гібридні нейронні архітектури (BiLSTM-CNN, BiLSTM-RNN, BiLSTM-GRU та BiLSTM-GNN) для автоматизованої перевірки фактів за допомогою набору даних FEVER, досліджуючи їх ефективність у перевірці тверджень та доказів в умовах обмеженої пам'яті GPU, одночасно аналізуючи динаміку навчання та можливості узагальнення. Отримано наступні результати: архітектура BiLSTM-CNN досягла оптимальної продуктивності з точністю 79,5%, відтворюваністю 79,5%, 77,9% F1-показником та 93,4% AUC ROC, за нею йдуть BiLSTM-GNN (78,9% точність, 93,3% AUC-ROC) та BiLSTM-GRU (77,9% точність, 92,2% AUC ROC), тоді як BiLSTM-RNN продемонструвала катастрофічну невдачу (33,3% точність). Усі успішні архітектури продемонстрували значне перенавчання з розривом у точності тренування-валідації 15-17%, що вказує на системні проблеми узагальнення з обмеженими даними для навчання (40 000 зразків). Висновок. Витяг багатоядерних конволюційних ознак виявляється найефективнішим для розпізнавання локальних візерунків у перевірці фактів, тоді як підходи, натхненні графами, демонструють багатообіцяючий потенціал для реляційного міркування. Постійне перенавчання в різних архітектурах підкреслює гостру необхідність вдосконалення методів регуляризації, збільшення обсягу даних та ансамблевих методів для досягнення надійної роботи автоматизованих систем перевірки фактів в умовах обчислювальних обмежень
Порівняльний аналіз середовищ моделювання інфокомунікаційних мереж за критерієм автоматизації
No full textFeatures of constructing multiservice communication networks based on SDN/NFV technologies
No full textВнесок Київського заводу акціонерного товариства "Фільверт і Дєдина" в розвиток вітчизняного аграрного машинобудування на рубежі хіх – хх ст.
No full textЕволюція сучасних систем формування собівартості промислової продукції
No full textДослідження спрямоване на систематизацію існуючих підходів до формування собівартості, визначення їхніх переваг і недоліків та розробку рекомендацій для підвищення ефективності управління витратами. Отримані результати мають важливе значення як для теоретичних досліджень, так і для практичного використання на підприємствах, що прагнуть підвищити свою конкурентоспроможність у сучасних умовах
Методичні вказівки до виконання курсового проєкту з дисципліни "Економіка та організація торгівлі"
No full textАктуальність вивчення дисципліни «Економіка та організація торгівлі» зумовлена ключовою роллю торгівлі як складової економіки, що забезпечує ефективний рух товарів і послуг від виробника до споживача. Знання принципів організації торговельної діяльності, ринкових механізмів, економічного обґрунтування господарських рішень є необхідною умовою підготовки фахівців, здатних діяти в умовах конкурентного середовища, цифровізації ринку та змін споживчої поведінки. Виконання курсового проєкту є важливим етапом формування у студентів навичок самостійної науково-дослідної роботи, розвитку творчого підходу до опанування змісту навчальної дисципліни, вміння здійснювати критичний відбір літературних джерел, збирати, систематизувати та аналізувати фактичний матеріал. Це також сприяє здатності поєднувати теоретичні знання з практикою функціонування сучасних торговельних підприємств та організацій, формулювати обґрунтовані висновки і пропозиції щодо підвищення ефективності їхньої діяльності. Курсовий проєкт з навчальної дисципліни «Економіка та організація торгівлі» є обов’язковим компонентом освітньо-професійної програми «Підприємництво, торгівля та біржова діяльність» для здобувачів першого (бакалаврського) рівня вищої освіти спеціальності 076 «Підприємництво та торгівля» і виконується протягом п’ятого семестру. Метою виконання курсового проєкту є закріплення та поглиблення теоретичних знань із ключових тем дисципліни, а також їх застосування у процесі аналітичного дослідження. У межах курсової роботи студенти мають продемонструвати здатність до оцінки поточного стану організації торговельної діяльності конкретного підприємства, виявлення проблемних аспектів і розробки практичних рекомендацій щодо їх удосконалення. Застосування сучасної методології полягає у тому, що під час виконання роботи студент повинен використовувати новітні розробки, застосовувати інноваційні методи досліджень, користуватися сучасними економічними виданнями
Методичні вказівки "Методи та засоби випробувань продукції" до виконання практичних робіт з навчальної дисципліни "Технічні вимірювання та випробування продукції"
No full textСучасний розвиток науки і техніки визначає підвищені вимоги до якості та надійності продукції, що виготовляється в різних галузях промисловості. Забезпечення цих вимог неможливе без застосування систематичних і обґрунтованих методів технічних вимірювань та випробувань, які дозволяють отримати достовірну інформацію про характеристики, властивості та експлуатаційні параметри виробів. Вимірювання та випробування є важливою складовою процесів сертифікації, стандартизації, контролю відповідності продукції встановленим нормам та вимогам безпеки. Дисципліна «Технічні вимірювання та випробування продукції» формує у студентів знання щодо основних принципів побудови, методів та засобів проведення випробувань, а також навички застосування сучасних інформаційно-вимірювальних технологій у практиці контролю та оцінювання якості продукції. Методичні вказівки «Методи та засоби випробувань продукції» розроблені з метою надання студентам допомоги у виконанні практичних робіт, закріпленні теоретичних знань та формуванні практичних умінь роботи з випробувальним обладнанням. Виконання практичних завдань сприятиме розвитку навичок вибору оптимальних методів випробувань, правильного використання вимірювальних засобів, аналізу результатів та оцінки похибок. Таким чином, використання цих методичних вказівок дозволить студентам спеціальності «Інформаційно-вимірювальні технології» набути компетентностей, необхідних для подальшої професійної діяльності у сфері контролю якості та випробувань продукції, а також для роботи в метрологічних і випробувальних лабораторіях
