Кафедра інформатики (ІНФ)

Постійний URI для цього фонду

https://openarchive.nure.ua/handle/document/25641

Перегляд

Зараз показано 1 - 20 з 301

Розробка та дослідження нейромережевого методу ідентифікації номерних знаків
(2019) Нікітіна, Г. О.
Метою роботи є розробка програмного застосунку, що базується на згортковій нейронній мережі та дозволяє розпізнавати номерні знаки автомобіля на зображеннях. Об’єктом дослідження є нейромережеві методи, що можуть бути використані для розпізнання об’єктів на зображенні, зокрема автомобільних номерних знаків. Робота присвячена вирішенню завдання розпізнавання зображень та ідентифікації автомобільних номерних знаків для подальшого їх застосування у різних сферах. Був проведений аналіз та обґрунтування отриманих результатів, а також був зроблений висновок щодо доцільності використання даної системи. У результаті атестаційної роботи було розроблено систему для пошуку номерних знаків на зображенні та детектування типу пересувного засобу. Був здійснений огляд, розбір та аналіз існуючих нейромережевих методів для розпізнання тексту на зображеннях.
Дослідження ефективності засобів бінарного оброблення даних у структурних методах класифікації об‘єктів
(2019) Солодченко, К. Г.
Метою атестаційної магістерської роботи є дослідження та модернізація методу класифікації зображень на підставі множини ключових точок. За описом зображення у вигляді множини дескрипторів BRISK як бінарних векторів обчислюється вектор центрального дескриптора, аналізуються варіанти його побудови. Проведено аналіз працездатності запропонованих алгоритмів, дослідження на варіативних вибірках та різних первинних обробках вхідних та еталонних зображень. Об‘єктом дослідження є методи класифікації значення центрального дескриптора із врахуванням вагових коефіцієнтів та проведення логічного аналізу важливості окремих бітів. Розроблено програмне забезпечення для класифікації зображень варіантами алгоритмів, підтверджено їх працездатність та результативність.
Розробка та дослідження методу нормалізації геометричних перетворень зображень на основі аналізу характерних точок
(2019) Ніколаєва, К. Г.
Метою роботи є розробка методу нормалізації геометричних перетворень, що базуються на аналізі характерних точок, які дозволяють нормалізувати вхідне зображення до еталонного для подальшого його аналізу. Об’єктом дослідження є послідовність геометрично-синтезованих та реальних зображень. Використано дескриптори SURF, SIFT, ORB, KAZE, AKAZE, BRISK для детектування та опису характерних точок зображення, зіставлення відповідностей та методи k-NNN та RANSAC для детектування викидів та отримання найближчої матриці перетворення. Проведено дослідження на зображеннях за наявності масштабу, повороту та центроафінного перетворення. Отримані оцінки точності параметрів перетворення, зіставлення пікселів та швидкість аналізованих дескрипторів. У результаті роботи обрано кращі детектори для задачі нормалізації зображень.
Розробка та дослідження адаптивного методу ймовірнісної нечіткої кластеризації даних
(2019) Харченко, В. В.
Метою роботи є розробка ймовірнісного методу нечіткої on-line кластеризації даних що може бути вирішена на основі самоорганізовної нейро-фаззі мережі Кохонена. Об’єктом дослідження є послідовність вибірки даних UCI репозиторія, а саме такі як Iris та Wine. Використано методи нечіткої кластеризації даних та само організовані карти Кохонена. Проведено дослідження методів кластеризації даних, а також порівняльний аналіз роботи відомих методів кластеризації та запропонованого методу по критеріям якості кластеризациї. У результаті роботи розглянуто задачу ймовірнісної нечіткої on-line кластеризації даних і показано, що вона може бути вирішена на основі само організованої нейро-фаззі мережі Кохонена та адаптивного алгоритму самонавчання, який було запропоновано, що є гібридом правила «переможець отримує більше» і рекурентних алгоритмів нечіткої кластеризації.
Дослідження результативності застосувань апарату нейромереж у методах структурного розпізнавання зображень
(2019) Пупченко, Д. В.
Метою роботи є розробка методів для вирішення проблеми інваріантного розпізнавання візуальних об’єктів з використанням апарату класифікації дескрипторів ключових точок зображення та засобів нейронної мережі Кохонена. Об’єктом дослідження є розпізнавання різноракурсних зображень. Використано методи математичного моделювання. Проведено дослідження методів двійкового аналізу дескрипторів для знаходження центрів кластерів та методів згортання дескрипторів зображень за рахунок знаходження відсоткової ймовірності ознак. Досліджені методи формування мережі Кохонена з різними варіантами обробки і знаходження центру класів. Здійснена програмна реалізація системи класифікації та проведено її дослідження на базах зображень.
Дослідження та розробка моделі і методу реконструкції в просторі на основі зображень
(2019) Шевченко, В. М.
Метою роботи є розробка методів та моделей, що базуються на 2d зображенні можуть реконструювати його у 3d модель. Тривимірна реконструкція це процес отримання форми і вигляду реальних об'єктів. Об’єктом дослідження є послідовність різноракурсних зображень об’єктів для подальшого їх перетворення у 3D модель. 3D-реконструкція з декількох зображень - це створення тривимірних моделей із набору зображень. Це зворотний процес отримання 2D-зображень із 3D-сцен. Суть зображення - це проекція зі сцени 3D на 2D площину, під час якої втрачається глибина. Використано методи бібліотеки OpenCV. Проведено дослідження методів реконструкції моделей на основі зображень, та аналізу зображень на рівень шуму. Були отримані карти глибини для знаходження об’ектів у простору для 2D зображення. Отримано зображення з декількох ракурсів для застосування його у 3D реконструкції. У результаті роботи здійснена програмна реалізація системи підготовки зображень для 3D реконструкції.
Дослідження гібридних методів для класифікації складноструктурованих зображень
(2019) Зеленський, М. О.
Метою дослідження є виявлення ефективних гібридних методів для класифікації складноструктурованих зображень. Об’єктом дослідження є складноструктуровані зображення. Використано методи сегментації, що засновані на кластеризації на градієнтних операторах, модельна сегментація, узагальнений метод сегментації. Досліджено та протестовано методи для класифікації складноструктурованих зображень. У результаті роботи здійснена програмна реалізація різних методів, як окремих компонент. Результати атестаційної роботи апробовано у вигляді тез доповіді на міжнародній конференції.
Розробка та дослідження методу ідентифікації порід котів за їх зображенням
(2019) Мануйлова, Н. Я.
Метою даної атестаційної роботи є розробка та написання методу класифікації породи котів за їх зображенням. Об’єктом дослідження є нейронні мережі та засоби побудови їх архітектури. У процесі виконання роботи було розроблено архітектуру нейронної мережі на основі згорткової для її тренування, створення моделі та використання для класифікації породи котів. Було досліджено основні засоби розробки нейронної мережі, її навчання, підрахунку функції втрат, оптимізації моделі, зберігання, її валідації та застосування. Натреновану модель було протестовано на тестовому наборі даних; найкраща модель з точки зору валідації має точність 35 відсотків. Результатом роботи є програмний застосунок для роботи з моделлю, а саме, її тренування, перевірку та застосування.
Розробка та дослідження методу кластеризації для прогнозування
(2019) Вискребенцева, С. О.
Об’єктом дослідження є часові ряди з пропущеними значеннями, що піддаються кластеризації для прогнозування. Метою є розгляд існуючих методів позбавлення від пропусків в даних в задачах кластеризації та доцільність їх використання в реальних задачах. Вирішується задача кластеризації та прогнозування часових рядів. Розглянуто найпоширеніші методи кластеризації даних та позбавлення від пропусків в задачах кластеризації даних. Дослідження проблеми кластеризації даних, що містять пропущені значення та розгляд методів, які дозволяють розв’язати цю задачу. Проведення експериментів та порівняння результатів кожного з методів, висновки про доцільність використання того чи іншого методу та побічні ефекти. У результаті роботи проведено аналіз методів кластеризації та прогнозування часових рядів, що можуть містити пропуски.
Дослідження методів побудови оптимального шляху по пересічній місцевості відповідно до заданих точок
(2019) Макаренко, М. О.
Метою роботи є розробка системи побудови оптимального шляху з обмеженням максимальної протяжності, через точки різної вартості. Необхідно набрати якомога більше балів проходячи через різні точки лише по одному разу. Інформація про положення та вартість точок отримується за допомогою розпізнавання зображення карти для змагань. Об’єктом дослідження є карти для змагань з рогейну. Використано методи розпізнавання градієнтним перетворенням Хафа та розпізнавання чисел за допомогою OCR. Проведено дослідження з методами обходу на графах, пошуком оптимального шляху з додатковими параметрами. У результаті роботи здійснена програмна реалізація розпізнавання карти, для визначення координат КП та їх вартості, на підставі яких побудовано граф. Розроблено алгоритм видалення надлишкових ребер із графа. Також реалізовано алгоритм пошуку оптимального шляху по отриманим даним.
Розробка та дослідження методу прогнозування за допомогою апарату часових рядів
(2019) Грабовська, К. С.
Метою даної атестаційної роботи є дослідження та розробка методів прогнозування часових рядів. Об’єктом дослідження є часові ряди та моделі для їх прогнозування. У процесі виконання роботи було використано методи ARMA, ARIMA, SARIMA та Холта-Вінтерса для аналізу та прогнозування. Було досліджено основні складові часового ряду, були розглянуто методи для перевірки даних на стаціонарність та у разі нестаціонарних даних як перетворити їх на стаціонарні. Дані методи було протестовано на трьох різних наборах даних.Результати роботи кожного з методів були порівняні. Прогнози були досліджені на помилки за допомогою методів середнього квадрату помилки розподілу та середньоквадратичного відхилення.Результатом роботи є комп’ютерна програма для роботи з CRM системою, яка дозволяє користувачеві підключатися до CRM системи для отримання даних які будуть спрогнозовані, або самостійно загрузити csv файл та виконати прогнозування.
Дослідження та розробка інформаційно-пошукової системи у неструктурованих наборах даних з датчиків
(2019) Трембовецький, Є. С.
Метою роботи є розробка методів, що здатні ефективно індексувати часові послідовності для створення системи пошуку у багатовимірних часових послідовностей. Об’єктом дослідження є дані експериментів забраних на верстатах для обробки металів. Був проведений аналіз та обґрунтування отриманих результатів, а також був зроблений висновок щодо доцільності використання даної системи. У результаті атестаційної роботи було розроблено систему для пошуку часових послідовностей та детектування типу пересувного засобу. Був здійснений огляд, розбір та аналіз існуючих методів пошуку, індексування та представлення даних.
Дослідження методу розпізнавання геоінформаційних ситуацій в системах моніторингу територій
(2019) Подласенко, Є. П.
Об’єктом дослідження атестаційної роботи є системи моніторингу території. Предметом дослідження – моделі і методи розпізнавання геоінформаційних ситуацій в системах моніторингу. Метою дослідження є покращення науково-методичного апарату обробки картографічної інформації про об’єкти моніторингу для підвищення ефективності розпізнавання геоінформаційних ситуацій. Наукова новизна роботи полягає в тому, що в ній розроблено узагальнену модель геоінформаційних ситуацій на основі їх інформаційних ознак з урахуванням контексту зовнішніх умов та на її основі запропонований метод їх розпізнавання по нечіткій і неповній вихідній інформації. Було реалізовано розпізнавання вільних місць на парковці, використовуючи геоінформаційні дані із SAS.Planet та програмне середовище Quantum GIS.
Дослідження та розробка моделі і методу генерування зображень на основі нейронних мереж
(2019) Вовк, А. С.
Метою роботи є розробка методів, що базуються на використанні нейромереж, які дозволяють генерувати нові зображення на основі вивчених зображень. GAN досягають цього рівня реалізму, поєднуючи генератор, який вчиться виробляти цільовий вихід, з дискримінатором, який вчиться відрізняти справжні дані від виходу генератора. Потенціал GAN величезний, оскільки вони імітують будь-який розподіл даних. GAN навчають створювати структури, страхітливо схожі на сутності з нашого світу в області зображень, музики, мови, прози. Об’єктом дослідження є процедури генерації зображень. Розробка, проектування і тестування нейронної мережі для полегшення процедури розпізнавання графічних образів. Дослідження методів розпізнавання графічних образів з використанням нейронних мереж. Розробка комп’ютерної системи генерації графічних образів. У результаті роботи здійснена програмна реалізація системи для процедури розпізнавання графічних образів.
Дослідження методу класифікації за множиною незалежних кластерів для даних структурного опису зображення
(2020) Запорожченко, А. П.
Дослідження присвячено розробленню ефективних методів класифікації зображень на підставі даних структурного опису як множини дескрипторів ключових точок. Об’єктом дослідження є метод класифікації зображень з поданням опису як множини кластерів.
Дослідження методів аналізу даних для реалізації універсальної системи аналізу ринку
(2020) Тесленко, Д. В.
Метою дослідження є отримання позитивного впливу на роботу першої функції ринку та налагодження ефективної комунікації між покупцем та продавцем. Об’єктом дослідження є підбір найбільш ефективного методу аналізу даних в рамках програмної реалізації, що буде відповідати вимогам мети дослідження. Задачею дослідження є проектування системи, яка за допомогою обробки даних з різних типів ринку буде надавати корисну інформацію користувачу та задовольняти поставлену мету дослідження. У результаті роботи спроектована універсальна система аналізу даних ринку та реалізований її прототип.
Дослідження та реалізація методу відновлення даних в таблицях «об’єкт-властивість
(2020) Петухова, К. С.
Проаналізовано актуальність проблеми пропущених даних для вирішення задачі аналізу даних та їх кластеризації. Проведено дослідження методів відновлення даних у таблицях вигляду «об’єкт-властивість». Побудовано математичну модель методів відновлення даних. Реалізовано метод багатовимірної нечіткої екстраполяції та FCM. У результаті роботи здійснена програмна реалізація системи для відновлення пропущених даних та кластеризації набору даних з маркетинговими дослідженнями.
Дослідження технологій редагування відео та машинного навчання для застосунку TikTok
(2020) Павлова, М. О.
Метою дослідження є вивчення можливостей мобільного застосунку ТікТок, аналіз функціональних можливостей мобільних застосунків щодо технологій редагування відео, машинного навчання, інтегрування засобів у сучасних застосунках.
Дослідження методів інтелектуального аналізу зображень на основі дескрипторів локальних особливосте
(2020) Ткаченко, Д. А.
У роботі увага концентрується на двох аспектах використання дескрипторів: задачі класифікації зображень і задачі вилучення геометрії з наборів зображень. У задачі класифікації зображень увага звертається на проблеми, повʼязані з ручним механізмом формування навчальної вибірки і на проблеми, повʼязані з відсутністю відносин класів між собою. У задачі добування інформації про геометрію обʼєктів увага звертається на проблему надлишкової фільтрації відповідностей дескрипторів при пошуку співвідношень зображень між собою.
Комплексне дослідження методів програмної спеціалізації для графічних процесорів
(2020) Стребков, Г. С.
В результаті роботи здійснена програмна реалізація алгоритмів для перевірення швидкодії графічних процесорів та випробувано різне обладнання для перевірки його швидкодії