https://repository.hneu.edu.ua/handle/123456789/20137 2026-06-27T18:24:15Z 2026-06-27T18:24:15Z Khavina I. Limarenko V. Hnusov Yu. Mozhayev O. Tsuranov M. https://repository.hneu.edu.ua/handle/123456789/41074 2026-06-25T14:12:03Z 2026-01-01T00:00:00Z

Назва: Intelligent decision support systems in cybersecurity: from fuzzy logic to LLM agents Автори: Khavina I.; Limarenko V.; Hnusov Yu.; Mozhayev O.; Tsuranov M. Короткий огляд (реферат): The monograph presents a holistic scientific concept of intelligent cybersecurity management at the enterprise level. The mathematical apparatus of hierarchical structuring of security parameters and strategic selection of protection systems using the analysis of hierarchies (AHI) method by T. Saati is highlighted. The development of decision support systems (DSS) based on the Mamdani fuzzy inference algorithm in the MATLAB environment is described in detail. Decentralized multi-agent systems built on the basis of the cooperative problem solving (CPS) model and optimized by auction algorithms for task distribution based on the “regret” criterion are considered. Special attention is paid to the integration of autonomous artificial intelligence agents and the development of corporate search-augmented generation (Agentic RAG) systems for proactive detection of zero-day threats and anomalous user behavior. The publication is intended for scientists, cybersecurity and information protection specialists, developers of intelligent systems, as well as graduate students and senior students in relevant specialties.

2026-01-01T00:00:00Z Тютюник В. В. Лєвтєров О. А. Тютюник О. О. Усачов Д. В. https://repository.hneu.edu.ua/handle/123456789/40028 2026-05-14T21:28:44Z 2026-01-01T00:00:00Z

Назва: Інформаційно-технологічні засади запобігання надзвичайним ситуаціям за результатами моніторингу акустичного простору міста в контексті розвитку концепції «Smart City» Автори: Тютюник В. В.; Лєвтєров О. А.; Тютюник О. О.; Усачов Д. В. Короткий огляд (реферат): Мета роботи: Монографія об’єднала сучасні теоретичні та експериментальні дослідження в галузі інформаційних технологій для сфери цивільного захисту щодо підвищення ефективності концепції «Smart City» із підтримки прийняття рішень, спрямованих на запобігання виникненню надзвичайних ситуацій місцевого рівня, шляхом впровадження системи акустичного моніторингу для виявлення та ідентифікації на території міст джерел небезпек. В монографії проведено аналіз сучасного стану вирішення проблеми запобігання та моніторингу надзвичайних ситуацій на території міста. Розроблено структурно-функціональну модель системи безпеки міста як складової системи «Smart City». Досліджено можливості спектрального аналізу акустичного простору щодо виявлення та ідентифікації джерел надзвичайних ситуацій на території міста. За результатами досліджень удосконалено концепцію «Smart City» щодо запобігання виникненню надзвичайних ситуацій місцевого рівня на основі спектрального аналізу акустичного простору. Наукове видання призначене для фахівців з національної й цивільної безпеки та інформаційних технологій, які працюють за напрямами розвитку концепції «Smart City», безпеки критичної інфраструктури, ідентифікації джерел небезпек, прогнозування та оцінки рівня небезпек і розробки антикризових рішень, спрямованих на недопущення виникнення небезпечних подій, для науковців, науково-педагогічних працівників та здобувачів вищої освіти в галузі знань F «Інформаційні технології» та K «Безпека та оборона»

2026-01-01T00:00:00Z Kuklin V. M. Starkova O. V. Dolhova N. H. Pochanskiy O. M. https://repository.hneu.edu.ua/handle/123456789/39724 2026-04-28T10:23:45Z 2026-01-01T00:00:00Z

Назва: A look at the development of connectionist neural networks Автори: Kuklin V. M.; Starkova O. V.; Dolhova N. H.; Pochanskiy O. M. Короткий огляд (реферат): This paper presents a methodology for designing adaptive interactive multimedia information systems based on generative artificial intelligence. The approach focuses on integrating algorithmic models, user data processing, and dynamic content generation to support personalized interaction. An improved system architecture is proposed, combining neural network–based modules for image generation, speech synthesis, and automated scenario control. The methodology incorporates machine learning techniques and clustering algorithms to model user behavior and enable adaptive content delivery under varying user requirements. A scenario module is introduced to dynamically adjust information flows according to user-specific parameters. The proposed solution improves scalability, flexibility, and efficiency compared to traditional multimedia system design approaches. The results demonstrate the applicability of the proposed methods in domains such as education, digital media, and visual analytics, contributing to the development of intelligent multimedia systems within the field of computer science.

2026-01-01T00:00:00Z Venhrina O. https://repository.hneu.edu.ua/handle/123456789/38819 2026-02-24T12:41:24Z 2025-01-01T00:00:00Z

Назва: Чи надають RAG-системи перевагу? емпіричне дослідження ефективності ChatGPT та NotebookLM при створенні тестів з академічних дисциплін Автори: Venhrina O. Короткий огляд (реферат): In the context of the rapid digitalization of education, automating the creation of assessment materials has become a critical task for educators. The emergence of Large Language Models (LLMs) has opened new perspectives for generating test items; however, the question of selecting the optimal toolkit remains unresolved within the educational community. Specifically, there is a need for empirical verification of the hypothesis regarding whether specialized tools with Retrieval-Augmented Generation (RAG) architecture, such as NotebookLM, provide a significant advantage in quality and reliability over universal chatbots (e.g., ChatGPT) when used by subject teachers lacking complex prompt engineering skills. Objective. The study aims to conduct a comparative analysis of the quality, structural correctness, and cognitive depth of multiple-choice test questions generated using three different AI usage scenarios. Methods. The experimental basis was the educational material of the "Database Organization and Storage" discipline (topics: SQL DDL, DML, Aggregation). A pool of 90 test questions was generated across three scenarios: (A) generation in ChatGPT based solely on the topic title; (B) generation in ChatGPT based on uploaded lecture notes; (C) generation in NotebookLM based on an uploaded source. The quality of the obtained content was evaluated by three independent experts on a 5-point scale according to the following criteria: factual correctness, relevance to the topic, and quality of distractors (incorrect answer options). Additionally, questions were classified according to a simplified Bloom's taxonomy. To verify statistical hypotheses, the non-parametric Kruskal-Wallis H-test and Pearson's test of independence were used. Results. Statistical analysis revealed no significant differences ( ) between the three scenarios for any of the quality criteria. A pronounced "ceiling effect" was recorded for the "relevance" criterion (mean scores 4.8–4.99), indicating the high competence of base models in standard academic topics even without providing context. At the same time, it was found that the NotebookLM tool demonstrated technical instability when generating content in Ukrainian, specifically omitting individual words in question formulations, which led to significantly higher variability in "correctness" scores ( ) compared to the stable results of ChatGPT. Analysis using Bloom's taxonomy confirmed that switching to a RAG system does not automatically increase the cognitive complexity of tasks: the majority of questions in all groups remained at the levels of remembering and understanding. Furthermore, generating plausible distractors remains a weak point for all examined AI tools. Conclusions. The findings refute the assumption of the unconditional advantage of RAG systems for generating tests in standardized disciplines. For an educator, the use of universal chatbots with simple prompts is the most effective method in terms of the time-to-quality ratio. The use of specialized tools (NotebookLM) is advisable primarily for working with unique authorial materials; however, it requires increased attention to the verification of each generated question.

2025-01-01T00:00:00Z