Кафедра штучного інтелекту (ШІ)
Постійний URI для цього фонду
Перегляд
Перегляд Кафедра штучного інтелекту (ШІ) за назвою
Зараз показано 1 - 20 з 395
Результатів на сторінку
Варіанти сортування
Публікація AI-орієнтована система «CineMind» для персоналізованих рекомендацій фільмів(2025) Салтан, С. О.У роботі розроблено мультиплатформений вебдодаток, який поєднує NLP, аналіз рецензій та персоналізацію для формування кінорекомендацій. Система автоматично обробляє текстові відгуки, визначає їхню тональність і ключові теми, а також адаптує узагальнені рецензії відповідно до віку, статі та інтересів користувача.Публікація LLM-орієнтована система «SemanticLib»: NL-to-SPARQL та Rhizomer Visualization технології(2025) Паславська, Д. О.Мета роботи – розробка та інтеграція LLM-орієнтованої підсистеми в систему Rhizomer для забезпечення можливості пошуку RDF даних наукових публікацій студентів природною мовою. Методи дослідження – аналіз літератури, системний аналіз, проектування та розробка, а також експериментальне тестування для досягнення поставленої мети. Взаємозв’язок з іншими роботами – робота розвиває дослідження в напрямку NL-to-SPARQL и Semantic Web. Значимість роботи – спрощення доступу до семантичних даних, підвищення ефективності пошуку, розширення функціональності Rhizomer, демонстрація потенціалу LLM для Semantic Web, можливість застосування в освітній та науковій сферах. У результаті роботи в систему Rhizomer успішно інтегровано LLM підсистему, що дозволило реалізувати функціонал пошуку RDF даних про наукові публікації студентів за допомогою запитів природною мовою.Публікація QA-фреймворк для продуктів, основаних на штучному інтелекті(2025) Куренков, В. С.Мета роботи – аналіз існуючих підходів до тестування ШІ-продуктів, розробка інтегрованого QA-фреймворку, адаптованого для верифікації ШІ систем, створення його концептуальної архітектури та експериментальна верифікація ключових компонентів через реалізацію прототипів. Методи дослідження – системний аналіз наукових джерел та міжнародних стандартів якості програмного забезпечення, компаративний аналіз архітектур ШІ-систем та наявних QA-інструментів, структурне моделювання компонентів фреймворку, експериментальна верифікація прототипів на репрезентативних моделях. Досліджено обмеження традиційних QA-методів для ШІ-систем та розроблено інтегрований фреймворк з чотирма рівнями верифікації. Експериментальна верифікація прототипів підтвердила переваги підходу та встановила кореляцію якості даних із стійкістю моделей. Результати можуть використовуватися для розробки промислових QA-інструментів, стандартизації процесів тестування ШІ та підвищення довіри до ШІ технологій у критичних галузяхПублікація Smart Military Drone-Courier із використанням AI-навігації(2025) Колодій, А. А.Мета роботи – розробка та апробація інтуїтивно зрозумілого, адаптованого до військових умов інтерфейсу користувача для системи Smart Military Robot-Courier, що забезпечує комплексне відображення інформації, ефективне управління місіями та інтеграцію з AI-навігацією. Методи дослідження – аналіз наукової літератури в галузі UX/UI дизайну для військових застосунків, вивчення сучасних підходів до проектування інтерфейсів систем управління, дослідження принципів інформаційної графіки, методів відображення геопросторової інформації та людино-машинної взаємодії у стресових умовахПублікація VST3 ШІ-еквалайзер для автоматизованого налаштування звуку в цифровій аудіо робочій станції(2025) Ларіонов, О. О.У результаті роботи проведено теоретичний аналіз технологій штучного інтелекту та аудіообробки. Практичним результатом є створення VST3-плагіна еквалайзера з чотирма смугами обробки, кожна з яких має параметри частоти, підсилення і добротності. Створено власний набір даних на основі порівняння сирого й референсного аудіофайлів з використанням агента для автоматичного підбору параметрів. Навчено нейронну мережу для передбачення значень параметрів еквалайзера за ознаками, які було видобуто з аудіофайлу. Модель експортовано в ONNX-форматі та інтегровано в плагін для використання в аудіо робочій станції.Публікація Автоматизація оцінки вартості виробництва деталей на основі аналізу DXF-креслень і методів комп'ютерного зору(2025) Озерова, А. О.Мета роботи – створити систему для розрахунку вартості деталей, яка оптимізує планування виробництва, підвищує точність, знижує витрати та покращує конкурентоспроможність підприємств. Методи – використано комп'ютерний зір та машинне навчання для аналізу геометрії деталей, бази даних для збереження параметрів матеріалів і процесів. Результат – створено систему, що автоматизує розрахунок, дозволяє обирати матеріали, методи обробки, працює з DXF-файлами (R12–2000) та може бути інтегрована з системою планування ресурсів підприємства. Середній час розрахунку знижено з 30 хвилин до 2–3 хвилин, а похибка зменшена на 90%. Сфера застосування машинобудування, підприємства з виробництва металоконструкцій. металообробка, Економічний ефект – зменшення трудовитрат до 75 %, скорочення часу на 40–60 %, щорічна економія до 40 000 дол. США для середнього підприємства. Новизна – поєднання комп’ютерного зору з технічним аналізом креслень для точної вартості. Система ефективно знижує витрати і підвищує точність виробничих розрахунків.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 Автоматизована генерація тестових завдань на основі текстових навчальних матеріалів засобами LLM(2025) Гуржи, Т. С.Мета роботи – розробка та дослідження програмної системи автоматизованого створення тестових завдань на основі навчальних матеріалів із використанням великих мовних моделей, що дозволить підвищити ефективність освітнього процесу та забезпечити більш об’єктивне оцінювання знань студентів. Методи дослідження – аналіз наукових джерел з питань застосування штучного інтелекту в освіті, дослідження принципів роботи великих мовних моделей, проєктування архітектури інформаційної системи, моделювання структури бази даних, реалізація вебзастосунку із використанням сучасних фреймворків, інтеграція мовної моделі через API для генерації навчального контенту. Розглянуто питання підвищення ефективності контролю знань студентів шляхом автоматизації процесу створення тестових завдань із використанням LLM. Запропоновано архітектуру системи, яка дозволяє автоматично аналізувати навчальні матеріали, генерувати різні типи тестових запитань із варіантами відповідей та глосарій основних термінів.Публікація Автоматизована система (конфігуратор) аналізу та підбору мережевого обладнання з прогнозуванням ефективності роботи(2025) Абдукарімов, Р. А.Мета роботи – розробити вебзастосунок, що надає автоматизований підбір мережевого обладнання відповідно до вимог користувача, обґрунтовує вибір та прогнозує ефективність роботи в заданих умовах. А також надає знання користувачу в телекомунікаційних технологіях. Методи дослідження – побудова архітектури клієнт-серверної системи з інтеграцією rule-based підходів та ML-алгоритмів. Моделювання роботи під навантаженням, реалізація REST API та дослідження інтерфейсу. Застосування мовної моделі, що покращує взаємодію з користувачем. У результаті дослідження було створено вебзастосунок, що дозволяє виконати ефективний підбір обладнання, спрогнозувати поведінку мережі при навантаженнях та підвищити обізнаність. Дослідження демонструє приклад практичного застосування мовних моделей та пояснювального ШІ у проєктуванні інтелектуальних систем.Публікація Автоматизоване генерування ілюстрацій на основі сценографів, отриманих з тексту(2025) Величко, Є. О.У цій кваліфікаційній роботі досліджується метод автоматизованої генерації ілюстрацій на основі сценографів, побудованих із текстових описів. Розглянуто технологію, яка поєднує трансформерні моделі для виділення об’єктів та їхніх відношень з генеративними нейронними мережами для синтезу відповідних зображень. Реалізовано архітектуру системи, що складається з модуля побудови семантичного графа, попередньої обробки сценографа та генератора зображень. Проведено експерименти на відкритих наборах даних, результати яких підтвердили ефективність розглянутої технології у структурній відповідності синтезованих ілюстрацій.Публікація Автоматизоване надсилання персоналізованих запитів інвесторами і компаніям через інтеграцію з Crunchbase та OpenAI(2025) Євтухов, Д. О.У роботі використовуються методи аналізу і синтезу інформаційних технологій, проектування програмного забезпечення, а також методи UX/UI-дослідження у Figma. Технічна реалізація включає розробку парсера на Python, застосування ReactTS і TypeScript для фронтенду, інтеграцію з OpenAI API для генерації текстів, використання Azure як хмарного середовища, а також створення та управління базою даних для зберігання результатів комунікації.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 Адаптивний підбір архітектури нейромережі для агентів у симульованих середовищах на основі NAS та RL(2025) Балаба, С. О.Мета роботи : розробка системи, яка автоматично формує оптимальну архітектуру нейромережі для RL-агента. Методи: формування початкового набору архітектур через NAS-агента, короткий цикл навчання PPO-агентів у середовищі Cheetah, відбір найкращих архітектур за середньою винагородою, тривале тренування обраних варіантів для остаточного ранжування. Результати: створено систему, що забезпечує автоматизований вибір конфігурації нейромережі для навчання агента, мінімізуючи участь людини в ручному налаштуванні. Рішення демонструє високу ефективність та може бути розширене на інші типи симульованих середовищ або задач у робототехніці, автономних системах і машинному сприйнятті.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.