Кафедра комп'ютерних інтелектуальних технологій та систем (МАГ_КІТС)

Постійний URI для цієї колекції

https://openarchive.nure.ua/handle/document/10841

Перегляд

Зараз показано 1 - 20 з 55

Прогнозування часових рядів на основі використання штучних нейронних мереж
(2020) Корецька, П. С.
Метою атестаційної роботи є проаналізувати предмет дослідження, виявити параметри впливу на ефективність та точність деяких моделей, що використовуються для аналізу та прогнозування вартості акцій. У ході виконання атестаційної роботи проводився аналіз методів прогнозування часових рядів, було розглянуто класичні методи прогнозування часових рядів та методи прогнозування на основі використання штучних нейронних мереж, було проведено порівняльний аналіз розглянутих методів прогнозування, визначено їх переваги та недоліки, описано архітектуру розробленої програми, та остаточні порівняльні результати роботи всіх моделей
Система керування розумним будинком на основі платформи Raspberry Pi
(2020) Устьянов, М. С.
Метою атестаційної роботи є розробка системи управління «розумним будинком». Результат роботи - реалізований базовий функціонал системи автоматизованого управління сервісними функціями житлового приміщення з можливостями подальшого розширення, визначено напрямок подальшого розвитку. А також розробка системи управління «розумним будинком», що володіє базовим функціоналом і можливостями до розширення. Перевагами такої системи є те, що вона, по-перше, є універсальною для будь-яких пристроїв, що працюють в заданому частотному діапазоні, по-друге, захищена від завад і зовнішнього втручання, по-третє, досить дешева для успішного впровадження навіть у складному економічному стані.
Мікроконтролерна система захисту споживача від джерела живлення у розумному будинку
(2020) Назаров, І. Г.
Метою атестаційної роботи є розроблення мікроконтролерної системи захисту споживача однофазного джерела живлення живлення у розумному будинку. У ході виконання атестаційної роботи був проведенний аналіз технологій передачі даних по електромережі, виявленний середний показник споживання електроенергії різними видами сімей. Разроблена система вимірює поточні значення параметрів електроживлення у розумному будинку і в разі перевищення заданих значень величин пристрій розмикає ланцюги живлення пристроїв з найменшим приоритетом і відключає їх від мережі живлення. Алгоритм роботи системи дозволяє виключити вплив короткочасних кидків струму і напруги в ланцюгах живлення споживача, що виключає помилкові відключення його живлення.
Нейромережева обробка та розпізнавання об’єктів
(2020) Гнібеда, А. О.
Метою атестаційної роботи є проаналізувати готові рішення та розробити методи зберігання, обробки і розпізнавання об'єктів в умовах колірної близькості. У ході виконання атестаційної роботи були розглянуті всі сучасні рішення розробки нейронної системи і способи розпізнання об'єктів в кольоровий близькості
Застосування штучних нейронних мереж для побудови інтелектуального класифікатора
(2020) Звонкова, В. О.
Предметом дослідження є методи класифікації на основі використання нейронних мереж. Метою магістерської атестаційної роботи є розробка інтелектуального класифікатора на основі нейронних мереж для аналізу даних та їх класифікації. У ході виконання атестаційної роботи проводився аналіз методів класифікації. Проаналізовано архітектури та типи нейронних мереж. Розроблений класифікатор для діагностики стану об’єкта з використанням імовірнісної нейронної мережі та перевірений на вирішення поставлених цілей. Проведена оцінка ефективності класифікатора від параметру впливу, який характеризує розсіювання Гаусівського розподілу, та від кількості об’єктів навчальної множини. Представлені результати експериментальних досліджень.
Згорткова мережа для візуалізації 3D-моделі
(2020) Ващенко, А. С.
Метою атестаційної роботи є розробка згорткової нейронної мережі для візуалізації 3D-моделей з 2D зображень. У ході виконання атестаційної роботи розроблена згорткова нейронна мережа для візуалізації 3D-моделей на основі 2D зображення. Описаний метод моделювання тривимірної фігури за допомогою знакової функції відстані. Нейронна мережа створена за допомогою інструментів CUDA, Python та TensorFlow. Система оснащена зручним користувацьким інтерфейсом та задовольняє усім функціональні вимогам.
Розпізнавання поведінки людини на основі байєсівської системи комп’ютерного зору
(2020) Охотников, О. С.
Агентська модель логістичних послуг
(2020) Дольнев, Р. О.
Метою атестаційної роботи є створення агентно-орієнтованої моделі логістичних послуг. У ході виконання атестаційної роботи було розроблено агентну модель логістичних послуг Харківщини, а саме послуг вантажних перевезень, що дозволяє більш детально прослідити за логістичною ситуацією. Методом вирішення поставлених завдань є широке застосування сучасних інформаційних технологій. Агентна модель порівнюється з моделлю, побудованою за допомогою системної динаміки. Моделі побудовано в програмному засобі Anylogic.
Нейромережеве розпізнавання текста на зображеннях
(2020) Ілляшенко, С. А.
Метою атестаційної роботи є нейромережеве розпізнавання тексту на зображеннях. У ході виконання атестаційної роботи запропоновано програмний комплекс з використанням нейронних мереж, що значно покращує якість та швидкість функції розпізнавання тексту з відсканованих документів. Розроблено програмний продукт з використанням мови програмування Delphi версії 7 фірми Enterprise (Borland), яка надає найбільш широкі можливості для програмування додатків ОС Windows
Генерація правдоподібних зображень для навчання класифікаційних моделей
(2020) Колесников, О. В.
Метою атестаційної роботи є дослідження генерації правдоподібних зображень для навчання класифікаційних моделей. Мета проведення дослідження полягає у вивченні методів та варіантів навчання класифікаційих моделей, виявлення недоліків та переваг існуючого ПЗ, та визначення особливостей обранної програмної бібліотеки для виконання генераціх необхідних зображень. Були протестовані найпопулярніші аналоги які мають можливість генерувати зображення. Крім того, що був проведений аналіз, була сфорована думка про використання данного направлення та його вдосконалення.
Модель згорткової мережі для мультиагентної кооперації
(2020) Тельний, М. А.
Метою атестаційної роботи є розробка моделі згорткової мережі для мультиагентної кооперації. У ході виконання атестаційної роботи були розглянуті актуальність проблеми, зроблений огляд сучасної літератури за темою, визначені терміни які стосуються до тематики роботи та розлянуті роботи за тематикою атестаційної роботи. Розроблена модель на мові Python за допомогою інструментів TensorFlow та Keras, яка з точністю 83% розпізнає зображення.
Інтелектуальна система побудови нейромережевих моделей
(2020) Васильєв, С. О.
Метою атестаційної роботи є реалізація інтелектуальної системи побудови нейромережевих моделей у вигляді середовища розробки. У ході виконання атестаційної роботи був розроблений основний функціонал середовища розробки, що дозволяє системі бути автономною і дозволяє отримати оптимальну згорткову модель для розпізнавання зображень. Реалізує гіперпараметричу оптимізацію. Результати навчання представляються програмним продуктом у текстовому і графічному вигляді
Оптимізація дорожнього руху з використанням штучного інтелекту
(2021) Костров, Д. Р.
Метою кваліфікаційної роботи є створення системи яка за допомогою штучного інтелекту допоможе оптимізувати дорожній рух. Вибір найкращої архітектури нейронної мережі визначення об’єктів та для прогнозування часових рядів. У результаті виконання кваліфікаційної роботи потрібно виявити сучасні проблеми дорожнього руху, та за допомогою технології комп’ютерного зору та прогнозування вирішити їх
Розробка інтелектуальної системи безпеки з використанням комп’ютерного зору
(2021) Волков, Д. П.
Метою кваліфікаційної роботи є розробка інтелектуальної системи безпеки з використанням комп’ютерного зору. Огляд та порівняння подібних існуючих систем та розробка схеми власної системи. У ході виконання кваліфікаційної роботи потрібно розробити схему функціонування сучасної системи безпеки для відстеження загроз на основі технологій комп’ютерного зору, підібрати компоненти системи, реалізувати схему пристрою, розробити програмне забезпечення та провести тестування програмного забезпечення
Модель системи електронного навчання на основі багатоагентного підходу
(2021) Зюзько, А. О.
У роботі пропонується розподілена архітектура, заснована на мультиагентному підході для моделювання процесу комунікації та координації, що дозволяє запропонованій системі електронного навчання рекомендувати навчальні об’єкти, які адаптовані до профілю студента відповідно до його характеристик та уподобань. Ця архітектура взаємопов’язана з двома платформами, а саме з мультиагентною платформою, розробленою на Java, та системою Moodle LMS, яка розроблена на PHP.
Розробка рекомендаційної системи на базі нейронних мереж
(2021) Макогон, Ю. О.
Метою кваліфікаційної роботи є розробка рекомендаційної системи. У ході виконання кваліфікаційної роботи було розроблено веб-сайт, що використовує алгоритм рекомендацій, побудований на базі нейронних мереж
Удосконалення системи створення та контролю мікроклімату в приміщенні
(2021) Шеліхов, Ю. О.
Метою кваліфікаційної роботи є розробка модифікованої апаратно- програмної складової системи контролю мікроклімату у замкненому приміщенні. У ході виконання кваліфікаційної роботи досліджувалися існуючі апаратно-програмні моделі системи аналізу мікроклімату у виробничому приміщенні. Особливістю дослідження є вирішення завдання підтримки контролю показників мікроклімату у приміщенні гідропонного цеху. Модифікація апаратно-програмного комплексу системи підтримки мікроклімату у приміщенні.
Розпізнавання лицьових масок на обличчі з використанням відеокамери
(2021) Совєцький, М. О.
У ході виконання кваліфікаційної роботи проводено аналіз підходів та методів виявлення і відстеження об'єктів на відео. Проаналізовано архітектури і типи нейронних мереж та обрана згорткова нейронна мережа для розпізнавання об’єкту на відео. Проведені експерементальні дослідження, що представлені у вигляді побудованих графіків та розробленого додатку, які показали ефективність застосування згорткових нейронних мереж для розпізнавання лицьових масок на обличчі з використанням відеокамери.
Агентна модель IoT-системи
(2021) Педан, М. С.
У магістерській науковій роботі вирішено актуальну проблему створення агентської моделі IoT-системи, яка дозволяє проектувати агентів, здатних існувати та узгоджено взаємодіяти в складних системах та знаходити місцерозташування для своєчасного надання послуг. Об'єктом дослідження процеси побудови агентно-орієтованнних систем. Предметом дослідження: моделі та методи надання послуг в IoT-системах. Метою кваліфікаційної роботи є розробка агентської моделі IoT-системи, яка динамічно знаходить місцерозташування при наданні спеціалізованх послуг. Виконано системний аналіз існуючих технологій та систем. Імітаційне моделюванні показало доцільність використання запровпонованних підходів
Застосування технологій машинного навчання для розпізнавання жестів рукою
(2021) Кушаков, П. К.
Метою кваліфікаційної роботи є розробка програмного забезпечення технології машинного навчання для розпізнавання жестів рукою для керування комп’ютером без використання клавіатури чи миші. У ході виконання кваліфікаційної роботи був проведений аналіз технології машинного навчання для визначеної предметної області, їх основні недоліки та переваги. Проаналізовано основні існуючі платформи машинного навчання. З усіх представлених варіантів було обрано платформу MediaPipe. Було розроблено програмне забезпечення, яке дозволяє завдяки алгоритмам заснованим на машинному навчанню рухати курсором або керувати налаштуванням гучності комп’ютера застосовуючи лише стандартну веб-камеру