Heorhii Ivashchenko

Dr. Heorhii Ivashchenko

orcid

Research Focus & Metrics

Academic Career Length

7Years (2020-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
30 October 2024 in Information Technologies and Learning Tools
Verified
Journal Article
Open access
PDF file
OBOlesia Barkovska
Olesia Barkovska
HIHeorhii Ivashchenko
Heorhii Ivashchenko
DRDmytro Rosinskiy
Dmytro Rosinskiy
DZDaniil Oleksandrovich Zakharov
Daniil Oleksandrovich Zakharov
Роботу присвячено актуальному питанню – гейміфікації навчального процесу школярів молодших класів із застосуванням цифрових мобільних пристроїв на прикладі розробки симулятора навчального тренажера для контролю техніки та швидкості читання. Практична новизна дослідження полягає в можливості оптимізувати процес контролю техніки читання дітей з різними вадами мовлення, а саме – ліспінгом, ротацизмом та дислалією, що є невирішеною проблемою для існуючих комп’ютерних лінгвістичних моделей. Практична значущість полягає в тому, що використання інформаційно-комунікаційних технологій та гейміфікація процесу навчання мотивує до отримання знань та заохочує до навчання не тільки за рахунок ігрової стратегії, а й за рахунок того, що дитина отримує схвалення, можливість виконати завдання наново, удосконалюючи свої навички. Запропонований та протестований симулятор навчального тренажера для контролю техніки та швидкості читання школярів молодших класів для мобільного цифрового пристрою розпізнає голос дитини, із високою точністю (до 94,84%), виявляє неправильно прочитані слова та виконує підрахунок кількості прочитаних слів за відведений час. Архітектура запропонованої системи складається з наступних модулів: модуль підготовки, який забезпечує коректність функціонування системи не залежно від наявних мовленнєвих порушень; speech-to-text перетворювач безпосередньо конвертує голос дитини, яка читає текст на екрані гаджету, у текст; модуль порівняння текстів відповідає за порівняння тексту, прочитаного вголос, із текстом, отриманим у результаті конвертації. Результати тестування дітей з проблемами ліспінгу та ротацизму показали, що алгоритм Жаро має трохи вищу точність порівняння двох текстів (у середньому на 1.14%), і водночас більш короткий час порівняння для великих розмірів текстових масивів (на 39%). Результати тестування дітей з проблемою дислексії, а саме перестановка звуків у словах при читанні, також показали, що алгоритм Жаро має більш короткий час порівняння рядків для великих розмірів текстових масивів (на 7%). Більш короткий час роботи методів порівняння текстів при виявленні дислалії у дитини пояснюється тим, що при цьому порушенні не генеруються варіанти текстових масивів, а лише оцінюються можливі перестановки звуків.

26 March 2026 in Herald of Khmelnytskyi National University. Technical sciences
Verified
Journal Article
Open access
МБМаксим Бондаренко
Максим Бондаренко
HIHeorhii Ivashchenko
Heorhii Ivashchenko
The article presents the results of a comparative analysis of approaches to updating and adapting vector user profiles in speech identification systems, along with a new method. The article focuses on maintaining the stability and accuracy of recognition, taking into account voice changes between sessions, due to physiological factors, variations in articulation and acoustic recording conditions. Methods such as incremental vector addition, partial and complete feature replacement, and multi-vector approaches with fixed or adaptive weighting are analysed. The proposed method assigns a weight coefficients based on the similarity between new voice samples and existing profile vectors, thereby balancing adaptability with robustness to noise and atypical voice samples. Experiments were conducted to evaluate different mechanisms for updating user profiles and to assess their impact on the accuracy, stability, and robustness of identification. Experimental results show that multi-vector approaches with distinct weighting schemes, including the proposed method, more effectively account for vocal changes between sessions and variable acoustic conditions. This process reduces the false-rejection rate compared to fixed-profile and single-vector updating approaches. The choice of update mechanism significantly influences the dynamics of profile adaptation, system stability in the presence of noise and physiological voice changes, and the balance between recognition accuracy and computational costs. The results of this development have practical significance for the design and configuration of speech recognition systems that rely on user profiles for long-term performance. This paper offers recommendations for selecting an update approach based on operational conditions and the desired balance between recognition accuracy, robustness, and computational efficiency.

25 December 2024 in Preprints.org
Verified
Preprint
Open access
PDF file
OBOlesia Barkovska
Olesia Barkovska
HIHeorhii Ivashchenko
Heorhii Ivashchenko
DZDaniil Oleksandrovich Zakharov
Daniil Oleksandrovich Zakharov
AKAndriy Kovalenko
Andriy Kovalenko
PBPavlo Botnar
Pavlo Botnar
VLVitaly Levashenko
Vitaly Levashenko
NLP is currently one of the relevant research areas, including several directions. One of these directions is related to the study of the emotional tone of the text or its emotional coloring. This study proposes a conceptual model of a system for tagging emotionally colored vocabulary, consisting of four modules: emotional classification, recognition of named entities, analysis of emotional coloring, and thematic analysis. With the help of these modules, text summarization, extraction of emotionally colored vocabulary, and identification of topics present in the text are carried out. This approach allows us to understand the text's tone, the emotions, feelings, and experiences present in it, and the topics discussed in it. Based on experimental studies, the following parameters of the DistilBERT neural network with the transformer architecture were obtained: dataset size is about 13,000 records, the batch size is 16, the number of epochs is 3, the optimizer is AdamW, the scheduler is Linear with Warmup, the scaler is GradScaler. Further development of the research is planned to increase the efficiency and accuracy of the developed methods and study their application in various fields, such as social network analysis, public opinion monitoring, marketing research, and many others.

31 December 2025 in Вісник Херсонського національного технічного університету
Verified
Journal Article
Open access
МБМ. Е. Бондаренко
М. Е. Бондаренко
HIHeorhii Ivashchenko
Heorhii Ivashchenko
У роботі запропоновано підхід до підвищення ефективності систем голосової ідентифікації шляхом розподілу обчислювального навантаження між центральним (CPU) та графічним (GPU) процесорами. Існуючі реалізації подібних систем ґрунтуються на фіксованих схемах розподілу, у межах яких окремі етапи обробки апріорі асоційовані з CPU або GPU. Така статична організація обчислень не враховує динамічної варіативності параметрів мовного сигналу, поточного стану обчислювальних ресурсів та істотних відмінностей у обчислювальній складності окремих операцій. За таких умов система позбавлена механізмів адаптивного перерозподілу навантаження, що зумовлює асиметричне використання CPU та GPU і, відповідно, призводить до зниження інтегральної продуктивності. Запропоновано адаптивний алгоритм, який реалізує керування розподілом навантаження на основі аналізу комплексу характеристик мовних записів, що включає довжину кадру, ступінь перекриття, енергетичний вміст та спектральну насиченість сигналу. Використання цих параметрів дозволяє кількісно оцінювати обчислювальну складність поточного сегмента оброблюваного сигналу та динамічно визначати співвідношення обчислювальних операцій, виконуваних на CPU і GPU. Це забезпечує узгоджену взаємодію процесорів, мінімізацію простоїв і підвищення загальної швидкодії системи. Проведений порівняльний аналіз показав, що використання адаптивного алгоритму дозволяє суттєво зменшити середній час обробки мовних фрагментів порівняно з підходами, у яких розподіл здійснюється лише за обсягом даних. Запропонований блок адаптивного керування та розподілу навантаження підвищує загальну продуктивність систем голосової ідентифікації, особливо під час обробки великих та структурно складних наборів сигналів, і може бути інтегрований у сучасні багатопроцесорні архітектури.

23 April 2020
Verified
Conference Paper
Open access
PDF file
VLVladyslav Lytvynenko
Vladyslav Lytvynenko
HIHeorhii Ivashchenko
Heorhii Ivashchenko
The presented work is dedicated to the issues of development software-hardware complex of access control and management based on Arduino platform. The hardware part of the complex works together with the web-application, created using React, Redux, Node.js and MongoDB technologies. This provides extensive functionality of the application.

7 May 2026 in Вісник Херсонського національного технічного університету
Verified
Journal Article
Open access
ЄБЄ. В. Бояршинов
Є. В. Бояршинов
HIHeorhii Ivashchenko
Heorhii Ivashchenko
ІСІ. А. Соловйов
І. А. Соловйов
Робота присвячена вирішенню задачі короткострокового прогнозування інтенсивності транспортних потоків з використанням сучасних архітектур штучних нейронних мереж, таких як SimpleRNN, LSTM, GRU та 1D-CNN. Вихідні дані для досліджень представлені у вигляді одновимірних часових рядів, що містять інформацію про кількість транспортних засобів на окремих перехрестях в різні моменти часу. Точність прогнозу таких рядів є важливою для задач адаптивного керування світлофорними об’єктами, планування режимів руху та оцінювання навантаження на дорожню інфраструктуру. Поширені методи прогнозування часових рядів зазвичай базуються на статистичних моделях, які можуть бути недостатньо точними для опису нелінійної динаміки трафіку та вираженої добової й тижневої сезонності. Окремою проблемою є коректне врахування циклічних часових ознак (година доби, день тижня), для яких при звичайному аналізі часових рядів виникає розрив на межі циклу. Запропонований підхід передбачає використання попередньої обробки даних, зокрема очищення від аномальних викидів та застосування тригонометричного кодування часових ознак (Cyclical Feature Encoding). Це дозволяє нейронним мережам коректно інтерпретувати добову та тижневу сезонність, зберігаючи безперервність часового циклу. В ході дослідження проведені обчислювальні експерименти при різних горизонтах прогнозування (1-12 годин) з використанням реальних вихідних даних, що дозволило оцінити ефективність запропонованого підходу при короткостроковому прогнозуванні. Результати проведеного порівняльного аналізу демонструють зменшення помилки прогнозування (MAPE) порівняно з традиційними методами. Встановлено, що запропонована модель на основі архітектури одновимірної згортки (1D-CNN) демонструє найменший час навчання, тоді як LSTM та GRU забезпечують найвищу точність прогнозування. Отримані результати можуть бути використані при розробці адаптивних систем керування світлофорними об’єктами в рамках концепції «розумного міста»