Кафедра штучного інтелекту (ШІ)
Постійний URI для цього фонду
Перегляд
Перегляд Кафедра штучного інтелекту (ШІ) за назвою
Зараз показано 1 - 20 з 289
Результатів на сторінку
Варіанти сортування
Публікація Автоматизація створення відео на основі короткого змісту тексту з веб-сайтів(2025) Шатило, І. Ю.Об’єкт дослідження – процеси автоматизованого створення відеофайлів на основі аналізу текстового контенту веб-сайтів. Предмет дослідження – методи аналізу текстового контенту веб сайтів та автоматичної генерації відеофайлів на основі їх змісту. Мета роботи – розроблення, аналіз та програмна реалізація автоматизованої технології, що дозволяє перетворювати текстову інформацію у відеоформат з використанням методів обробки природної мови та нейронних мереж. Методи дослідження – методи обробки тексту та узагальнення його змісту; методи синтезу мультимедійного контенту та мультимедійного супроводу; методи нейромережевого моделювання. Практична частина включає експерименти з парсингом текстових даних, NLP-аналізом, підбором відповідного відеоконтенту та створенням відео за допомогою бібліотек Python. У роботі розглянуто основні етапи автоматизації створення відео: вилучення тексту з веб-сайтів, його аналіз, узагальнення змісту, підбір релевантного аудіо- та відеоконтенту, а також формування фінального відеофайлу. Окремо досліджено можливості сучасних нейронних мереж для обробки тексту. Результати демонструють ефективність підходу та перспективи його використання у різних сферах.Публікація Автоматизований метод побудови онтологічних баз знань(2021) Іванісенко, Є. В.Об'єктом дослідження є створення програмного засобу, який автоматично заповнює онтологічну базу знань результатами роботи алгоритму видобування знань. Метою кваліфікаційної роботи є створення елементів, які дозволяють видобувати знання та автоматично будувати онтологічні бази знань. Методами дослідження є алгоритми видобування знань та автоматичної побудови онтологій.Публікація Автоматичний розрахунок фракції викиду лівого шлуночка серця за допомогою моделей глибинного навчання(2021) Даниленко, К. О.Мета роботи – дослідження методів для автоматичного підрахунку фракції викиду та розробка алгоритму, який виконує задачу автоматичного підрахунку за допомогою моделі глибинного навчання та аналітичного методу. Методи дослідження – методи підрахунку фракції викиду вручну на двовимірних зображеннях, алгоритми та методи обробки медичних зображень, моделі глибинного навчання для сегментації медичних зображень, аналітичні методи підрахункуПублікація Адаптивна поліноміальна функція у глибинних нейронних мережах та алгоритм її навчання(2021) Слепанська, В. Д.Дана робота присвячена дослідженню та розробці адаптивної активаційної функції та алгоритму її навчання. Метою роботи є створення адаптивної поліноміальної активаційної функції – adaptive polynomial activation function (APAF), параметри якої налаштовуються в процесі навчання подібно синаптичним вагам нейрону, покращуючи апроксимуючі властивості не тільки окремого нейрону, а й нейронної мережі в ціломуПублікація Адаптивна система керування роботизованим маніпулятором на основі мультимодального глибокого навчання(2025) Науменко, І. В.Об’єкт дослідження – процеси керування роботизованим маніпулятором з використанням технологій штучного інтелекту для виконання завдань у динамічному середовищі. Предмет дослідження – методи та алгоритми адаптивного керування роботизованим маніпулятором на основі мультимодального глибокого навчання з використанням візуальної інформації, кінематичних даних та текстових інструкцій. Мета роботи – дослідження та розробка системи адаптивного керування роботизованим маніпулятором, яка здатна інтерпретувати природномовні інструкції, аналізувати дані з камер та датчиків положення суглобів для автономного виконання поставлених завдань без необхідності експліцитному програмуванні послідовності дій. Методи дослідження – системний аналіз, імітаційне моделювання робототехнічних систем, глибоке навчання з підкріпленням, комп'ютерний зір, обробка природної мови, мультимодальні нейронні мережі, експериментальна перевірка алгоритмів у симуляційному середовищі з використанням фреймворку MuJoCoПублікація Адаптивний алгоритм пошуку асоціативних правил(2020) Шкіль, А. Р.Метою даної атестаційної роботи є розробка мобільного застосунку на тему «вивчення іноземних мов», а також аналіз бази даних додатку одним з методів асоціативного навчання для отримання асоціативних правил, з послідуючою інтеграцією отриманих правил в додаток з метою його оптимізації. Методи дослідження: аналіз літератури, документації, та Internet– джерел. Було розроблено мобільний додаток, що складається з клієнтської та серверної частин. Додаток дозволяє користувачам автоматично знаходити партнера для практикування іноземної мови на основі обраної теми, а також забезпечує голосові дзвінки.Публікація Адаптивні активаційні функції глибинних нейронних мереж для сегментації тривимірних медичних зображень(2022) Скорік, В. А.Мета роботи – програмна реалізація AdELU, AdPReLU та вбудова їх в U-Net з тривимірними згортковими шарами для вирішення завдання семантичної сегментації на тривимірних медичних даних. Порівняння ефективності застосування адаптивних активаційних функцій для медичних даних в порівнянні зі статичними активаційними функціями. Методи дослідження – аналіз активаційних функцій, що існують, вивчення предметної галузі, вирішення практичних завдань і проведення порівняльного аналізу. Програмно реалізовані U-Net, EdELU та AdPReLU. Проведено дослідний аналіз набору даних, який складається з мультиінституціональних передопераційних МРТ-сканів і фокусується на сегментації внутрішньо неоднорідних пухлин мозку – BraTS20. Навчені нейронні мережі та проведено порівняльний аналіз.Публікація Алгоритмічні підходи до ідентифікації транспортних засобів за допомогою комп’ютерного зору(2025) Погребняк, Я. В.Об’єкт дослідження – транспортні засоби, що відображені у відеопотоці. Предмет дослідження – алгоритмічні підходи до ідентифікації транспортних засобів, використовуючи комп’ютерний зір. Мета роботи – розробка програмного рішення, призначеного для виявлення, супроводження та вимірювання швидкості транспортних засобів з використанням алгоритмів комп’ютерного зору та глибокого навчання. У роботі виконано аналіз сучасних методів автоматичної ідентифікації транспортних засобів, зокрема методів з використанням згорткових нейронних мереж. Здійснено порівняльний аналіз моделей YOLOv8 та інших архітектур. Система розроблена на мові Python, спираючись на бібліотеки Ultralytics YOLO та OpenCV. Під час дослідження проведено експериментальне випробування функціонування моделі на справжніх відеоматеріалах, що засвідчило її надійність, значну швидкість обробки та високу точність ідентифікації об'єктів. Запропоноване рішення продемонструвало високу продуктивність, стабільну роботу та має потенціал для інтеграції в системи інтелектуального відеоспостереження.Публікація Аналіз алгоритмів розпізнавання образів нейронною мережею(2024) Панченко, Т. І.Об’єкт дослідження – алгоритми розпізнавання образів нейронною мережею, що забезпечують комп'ютерну систему здатністю автоматичного розпізнавання та класифікації об'єктів на основі вхідних зображень або даних. Предмет дослідження – процес аналізу та порівняння різних алгоритмів розпізнавання образів нейронною мережею задля визначення їхньої ефективності, точності та швидкодії в різних умовах та на різних наборах даних, а також можливості їхнього використання в сучасних реаліях та умовах. Мета роботи – дослідження та порівняння різних алгоритмів розпізнавання образів нейронною мережею з метою визначення їхньої ефективності та придатності для застосування в різних сферах. Дослідження спрямоване на встановлення можливостей використання цих алгоритмів у сучасних реаліях, зокрема, у сферах комп'ютерного зору, медичного діагностування та багатьох інших областях, де розпізнавання образів є важливим етапом аналізу даних. Методи дослідження – теоретичний аналіз основ нейронних мереж та їхніх алгоритмів. Проведення серії емпіричних досліджень на різних наборах даних, статистичний аналіз отриманих результатів з використанням відповідних метрик та висунення рекомендацій щодо вибору оптимальних алгоритмів для конкретних завдань розпізнавання образів.Публікація Аналіз алгоритмів сегментації пухлин за гібридними зображеннями(2024) Мандріков, А. Д.Об'єкт дослідження – аналіз та розробка методів сегментації пухлин за допомогою гібридних зображень. Предмет дослідження – алгоритми сегментації пухлин на основі гібридних зображень у медичній практиці. Мета роботи – оцінка ефективності та точності різних алгоритмів сегментації пухлин за допомогою гібридних зображень та вибір найбільш адекватного алгоритму для конкретних клінічних умов. Методи дослідження – аналіз літературних джерел, експериментальне порівняння різних алгоритмів на тестових наборах медичних зображень, визначення показників ефективності та порівняння результатів.Публікація Аналіз ефективності рекламних кампаній з використанням методів А/В тестування та статистичного моделювання(2025) Литвиненко, А. В.Мета роботи - дослідити ефективність рекламних кампаній за допомогою методів А/В тестування та статистичного моделювання, визначити найефективніші підходи до оптимізації рекламних стратегій на основі отриманих даних та запропонувати рекомендації щодо покращення результатів кампаній. Методи дослідження включають аналіз наукової літератури у сфері аналізу взаємозв'язків, проведення експериментів із застосуванням різних алгоритмів, порівняння ефективності запропонованих рекомендацій. У ході дослідження було проведено аналіз існуючих технологій та методів оптимізації реклами, з акцентом на підвищення їхньої ефективності. Розглянуто основні виклики, пов'язані з неможливістю отримати якісні прогнози. Експериментальна частина дослідження демонструє практичне використання А/В тестування, статистичного моделювання і їхнього поєднання для задачі підвищення ефективності реклами. Особлива увага приділена ключовим метрикам, визначенню цільової аудиторії та впливу алгоритмів Google та Meta. На підставі аналізу результатів експериментів сформульовані рекомендації щодо оптимізації рекламних креативів у залежності від типу кампанії, її цілі та цільової аудиторії.Публікація Аналіз структур білків за допомогою AlphaFold для дослідження мутацій і їхнього впливу на функції білків у біомедичних застосуваннях(2025) Довгоселець, Ю. В.Об’єкт дослідження – просторові структури білків людини, що змінюються під впливом мутацій. Предмет дослідження – аналіз впливу мутацій на структуру та функції білків за допомогою алгоритму AlphaFold. Мета роботи – здійснити структурно-функціональний аналіз білків на основі передбачених моделей AlphaFold для оцінки впливу точкових мутацій у біомедичному контексті. Проведено огляд сучасних підходів до аналізу білкових структур і алгоритмів глибинного навчання, зокрема AlphaFold. Описано архітектуру моделі та особливості її роботи з білками з різними типами мутацій. Змодельовано просторові структури чотирьох білків (TP53, CFTR, Spike SARS-CoV-2, лізоцим) у диких і мутантних формах. Виконано порівняння метрик pLDDT, pTM, PAE та TM-score між вихідними і мутантними структурами, виявлено зміни у функціонально важливих ділянках. Проаналізовано вплив мутацій на біологічну активність білків із використанням інструментів FoldX, Rosetta, SIFT, PolyPhen та засобів візуалізації ChimeraX і PyMOL. AlphaFold підтвердив ефективність у передбаченні структур і початковому аналізі мутацій. Результати можуть бути застосовані для ідентифікації терапевтичних мішеней, діагностики та персоналізованої медицини.Публікація Анонімізація великих даних в інтелектуальних медичних системах(2024) Воронова, Д. С.Об'єкт дослідження − інтелектуальні медичні системи. Предмет дослідження − застосування методів анонімізації даних у медичних системах. Мета роботи − розробка та дослідження ефективності методів штучного інтелекту для анонімізації медичних даних. Роботу присвячено вдосконаленню процесу захисту медичних даних забезпечення конфіденційності пацієнтів та забезпечення відповідності нормативно правовим вимогам у сфері захисту персональних даних у медичних системах. Методи дослідження – аналіз існуючих методів анонімізації багатовимірних даних у медичній сфері. Цей аналіз передбачає оцінку ефективності, точності та відповідності вимогам конфіденційності кожного методу. Під час аналізу враховувались особливості медичних даних та вимоги до їх обробки. Від цього залежать вибір оптимальних стратегій анонімізації, що найкраще відповідають контексту медичної інформації та гарантують збереження якості даних. Передбачається реалізація обраної стратегії анонімізації та її впровадження у інтелектуальні медичні системи. Це включає в себе розробку відповідних алгоритмів та створення програмного коду. Дослідження виконано на основі матеріалів та завдяки доступу до експертного середовища, який є результатом проєкту WARN «Академічна протидія гібридним загрозам» (610133-EPP-1-2019-1-FI-EPPKA2-CBHE JP), що співфінансується програмою Erasmus+ Європейського Союзу.Публікація Ансамбль нейро-фаззі систем для потокової обробки даних(ХНУРЕ, 2019) Писаренко, Д. О.Об'єктами дослідження є методи побудови еволюційного ансамблю нейро-фаззі систем з дзвонуватими функціями належності. Метою даної роботи є дослідження методів побудови еволюційних нейронних мереж та нейро-фаззі ситем, що на даний момент є найбільш передовим напрямком розвитку обчислювального інтелекту. Предметом дослідження є моделювання еволюційної нейро-фаззі систем, основним завданням якої буде прогнозування нестаціонарних рядів. Проведеня імітаційного моделювання на даних, згенерованих за допомогою диференційного рівняння та даних по споживання елекороенергії. Буде створено програмний комплекс для прогнозування споживання електроенергії, комплекс буде включати в себе модуль, який генерує дані на основі диференційного рівняння. Методи дослідження – аналіз літератури та джерел в мережі Internet.Публікація Банківський асистент використовуючи великі мовні моделі (LLM)(2025) Гребінник, Є. В.Мета роботи – створення банківського асистенту для класифікації банківських транзакцій на класи: Зловмисна, Легальна. Методи дослідження – теоретичний (збір та структуризація теоретичного матеріалу), експериментальний (програмна реалізація великої мовної моделі та її навчання). Методи розробки базуються на технологіях Python з фреймворками Pytorch, Transformers. У результаті було проведено аналіз архітектур великих мовних моделей та архітектури трансформер відповідно, досліджени методи навчання та роботи таких шарів як: self-attention, cross-attention, multi-head attention та блоків: encoder та decoder й використані існуючі набори даних, що складаються приблизно з 16000 банківських транзакцій. Аналогічні дані були використані для розрахунку метрики точності.Публікація Бегінг в ансамблях нейронних мереж для адаптації кольорів зображень до специфічних стилістичних, історичних або художніх контекстів(2025) Зорін, М. М.Об’єкт дослідження – ансамблеві нейронні мережі для обробки зображень. Предмет дослідження – метод бегінгу (bagging) для побудови ансамблів CNN та автоенкодерів з метою адаптації кольорів зображень. Мета роботи – розробка та дослідження ансамблевих нейронних мереж на основі методу бегінгу для ефективної адаптації кольорів зображень до заданих стилістичних, історичних і художніх контекстів. Методи дослідження – аналіз сучасних рішень у сфері ансамблевих методів машинного навчання та комп’ютерного зору, теоретичне й практичне дослідження алгоритму бегінгу, побудова ансамблю глибоких згорткових нейронних мереж і автоенкодерів, експериментальна перевірка на реальних даних, оцінка результатів за допомогою метрик якості (PSNR, SSIM, Perceptual similarity). У роботі виконано комплексний аналіз сучасних підходів до стилістичної адаптації та колоризації зображень із використанням глибоких ансамблевих нейронних мереж. Обґрунтовано доцільність застосування методу бегінгу для формування ансамблів для підвищення стабільності й узагальнюючої здатності системи. Запропоновано архітектуру ансамблю, що забезпечує якісну адаптацію кольорової гами зображень. Експериментальні дослідження засвідчили переваги запропонованого підходу у порівнянні з класичними моделями за рахунок зменшення дисперсії результатів і покращення візуальної якості стилізації.Публікація Бустинг в ансамблях нейронних мереж для оцінки ризиків у задачах страхування та фінансів(2025) Купріянов, М. О.Об'єкт дослідження – ансамблеві нейронні мережі для розв’язання задач оцінки ризиків у страхуванні та фінансах. Предмет дослідження – методи бустингу (boosting) для побудови ансамблів нейронних мереж з метою покращення точності прогнозування фінансових ризиків. Мета роботи – розробка, теоретичне обґрунтування та дослідження ефективності ансамблевих моделей нейронних мереж на основі методів бустингу для кредитного скорингу у фінансових і страхових задачах. Методи дослідження – аналіз існуючих наукових та практичних підходів до оцінки ризиків, теоретичне дослідження алгоритмів бустингу, розробка ансамблевих нейромережевих моделей, експериментальна верифікація на даних фінансових установ, оцінювання результатів за допомогою спеціалізованих метрик (ROC-AUC, Precision, Recall, F1-score). У результаті проведено аналіз сучасних підходів до оцінки кредитного скорингу, визначено переваги та недоліки традиційних підходів та обґрунтовано застосування бустингу для формування ансамблів нейронних мереж. Розроблено архітектуру бустинг-ансамблю, проведено порівняльний аналіз із класичними моделями. Отримані результати підтверджують переваги використання ансамблевих нейромережевих моделей з бустингом в задачах кредитного скорингу, демонструючи високі показники точності прогнозування ризиків та узагальнюючої здатності моделей.Публікація Веб-орієнтована програмна система для класифікації емоційної забарвленості тексту(2025) Онищенко, К. Г.Об’єкт розробки – веб-застосунок з розпізнавання емоцій за текстом. Мета розробки – вирішення проблеми великих витрат часу і кадрового ресурсу на отримання зворотного зв'язку від клієнтів і обробки їх реакцій. Метод рішення – Flask, Jinja2, SqlAlchemy, мова Python, середовище розробки PyCharm, SQLite, Keras. У результаті роботи виконано розробку веб-застосунку, що дозволяє виконувати розпізнавання емоцій за текстом. А також виконано аналіз та проектування нейронної мережі для класифікації емоцій за текстом.Публікація Використання глибинної нейронної мережі для покращення якості відео тенісних матчів(2022) Асландуков, М. М.У результаті роботи проведено теоретичний аналіз архітектур нейронних мереж, методи їх оптимізації, а також альтернативні методи вирішення поставленої задачі та метрики якості для їх оцінювання. Для оптимізації параметрів нейронної мережі були проаналізовані й використані існуючі набори даних, що складаються з близько 20000 кадрів відео реальних тенісних матчів. Аналогічні набори даних були використані й для порівняння результативності й продуктивності розробленої системи з альтернативними методами розв’язання задачіПублікація Використання еволюційного навчання глибокої нейронної мережі в завданні обходу перешкод(2021) Скворцов, Д. О.Метою роботи є створення багатошарової нейронної мережі з використанням генетичного (еволюційного) алгоритму навчання. Об’єкт дослідження – процес створення маршруту з обходженням перешкод в умовах статичного навколишнього середовища. Предмет дослідження – методи вирішення задачі обходу перешкод, в особливості за допомогою багатошарової нейронної мережі на основі генетичного алгоритму. Методи дослідження – теорія штучних нейронний мереж, теоретичні аспекти підходів до вирішення задачі пошуку маршруту, імітаційне моделювання