Кваліфікаційні роботи магістрів (Маг_КІТС)

Постійний URI для цієї колекції

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

Перегляд

Зараз показано 1 - 20 з 77

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
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
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.
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.
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.
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
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.
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.
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.
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
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.
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
Інтелектуальна система підтримки прийняття рішень на основі нейронної мережі з імунним навчанням
(2021) Балим, С. В.
Метою магістерської кваліфікаційної роботи є розробка інтелектуальної системи підтримки прийняття рішень (ІСППР) з використанням нейромережевої технології для побудови моделі прийняття рішень та імунного підходу для настроювання параметрів і структури нейронної мережі. Вона орієнтована на підвищення якості функціонування ІСППР шляхом створення моделі прийняття рішень та еволюції її структури і параметрів за умов невизначеності як зовнішнього середовища, так і властивостей об’єкта прийняття рішень. Проведені експериментальні дослідження нейромережевої моделі з імунною настройкою для прийняття рішень по створенню та аналізу локальної комп’ютерної мережі (ЛКМ), які показали, що для навчання та прогнозування різних варіантів рішень при виборі тих чи інших параметрів ЛКМ доцільно використовувати нейронні мережі з імунним навчанням.
Інтелектуальна система підтримки прийняття рішень для збору працездатних proxy-адресів
(2021) Васюк, Д. В.
Метою кваліфікаційної роботи є розробка інтелектуальної системи підтримки прийняття рішень для збору працездатних proxy-адресів. У ході виконання кваліфікаційної роботи проводився аналіз методів підтримки прийняття рішень. Проаналізовано архітектури та типи нейронних мереж. Розроблений сервіс для пошуку працездатних proxy-адресів з використанням нейронної мережі та перевірений на вирішення поставлених цілей. Представлені результати експериментальних досліджень, які підтвердили ефективність запропонованого підходу до збору працездатних proxy-адресів.
Аналіз поведінки користувача під час проведення е-тестів
(2021) Татарников, А. О.
Метою кваліфікаційної роботи є створення системи спостереження за поведінкою студентів під час проведення е-тестів. Розроблена система дозволяє в режимі реального часу відстежувати порушення під час проведення тестування. Об'єктом дослідження є системи моніторингу за е-тестуванням. Предмет дослідження: використання систем моніторингу як спосіб стеження якості проведення е-тестування. У ході виконання кваліфікаційної роботи був проведений аналіз великої кількості існуючих програмних рішень, як спеціалізованих так і програмних. в ході дослідження були виявлені основні переваги та недоліки даних застосунків. На основі проведеного аналізу існуючих рішень були сформульовані головні вимоги до функціоналу та принципи роботи за стосунку що розробляється
Розпізнавання гравців та відстеження об’єктів під час спортивних змагань за допомогою згорткових штучних нейронних мереж
(2021) Черній, А. О.
Розпізнавання людських дій з цифрового відео є гарячою темою в області комп’ютерного зору. З огляду на експоненційний ріст даних спостереження в Інтернеті в останні роки, як запровадити ефективний та ефективний аналіз відеоданих є надзвичайно важливим. Традиційні методи машинного навчання, які виділяють лише обчислювані ознаки, мають обмеження і не підходять для масивних візуальних даних, в той час як методи глибокого навчання, особливо згорткові нейронні мережі, досягли великих досягнень у цій галузі.
Застосування згорткових нейронних мереж для розпізнавання тексту і символів
(2021) Якимаха, М. Є.
У результаті виконання кваліфікаційної роботи було розглянуто складові згорткових нейронних мереж, розглянуто технології за допомогою яких можна реалізувати згорткову нейронну мережу. Навчена модель та розроблено додаток для перевірки працездатності навченої моделі у реальних умовах. Розроблено та відлагоджено код. Отримана модель для розпізнавання рукописних символів хірагани може бути використана у додатках з навчання японської мови, з можливістю навчання правопису символів, або з розпізнавання рукописних символів за допомогою камери чи зображень.
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.
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.