Кафедра комп'ютерних інтелектуальних технологій та систем (КІТС)

Постійний URI для цього фонду

https://openarchive.nure.ua/handle/document/25632

Перегляд

Зараз показано 1 - 20 з 77

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
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.
Адаптивна інтелектуальна система автоматичного догляду за рослинами
(2022) Лукашин О. В.
У магістерській кваліфікаційній роботі виконано проєктування нейропроцесора для виконання логічних операцій по керуванню електроприводом системи інтелектуального догляду за рослинами. Метою роботи є проектування нейропроцесора для виконання логічних операцій по керуванню електроприводом системи інтелектуального догляду за рослинами, виконаного на сучасній елементній базі і перевірка ефективності його використання. Об’єктом дослідження є нейропроцесор для управління електроприводами виконавчого механізму. Предметом дослідження є модель нейропроцесора для виконання логіч-них операцій по керуванню електроприводами виконавчих механізмів системи автоматичного догляду за рослинами За результатами проведеного проектування, розроблена система успішно впоралась зі своєю задачею. Розроблена автоматична система дає змогу безвід-мовної роботи протягом 11 років, що дає змогу конкурувати серед інших про-дуктів даної області.
Аналіз алгоритмів машинного навчання для автоматичного масштабування контейнерних застосунків
(2023) Власов, В. І.
Метою кваліфікаційної роботи є аналіз та порівняння набору алгоритмів машинного навчання для автоматичного масштабування в контейнерних застосунках, зосереджуючись на вдосконаленні стратегій управління ресурсами в хмарних середовищах. Дослідження зосереджується на оцінці ефективності, адаптивності та продуктивності цих алгоритмів за різних умов робочого навантаження. Об'єктом дослідження є процес автоматичного масштабування в контейнерних середовищах. Предметом є алгоритми машинного навчання, призначені для предиктивного та адаптивного управління ресурсами. У роботі проаналізовано та порівняно традиційні стратегії масштабування та передові підходи до машинного навчання, зокрема, з акцентом на Q-learning, Deep Deterministic Policy Gradients (DDPG), Autoregressive Integrated Moving Average (ARIMA) та Long Short-Term Memory (LSTM). За допомогою Python вони були протестовані на адаптивність та ефективність використання ресурсів в умовах різного робочого навантаження. Отримані результати дають уявлення про продуктивність кожного алгоритму, що сприятиме майбутній оптимізації автоматичного масштабування для контейнерних застосунків.
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
Аналіз та отримання інформації з Telegram-чатів за допомогою технологій машинного навчанння
(2022) Лебідь, В. М.
Виконано аналіз предметної області для виявлення актуальності розробки Telegram-боту. Проаналізовано існуючі рішення вже створених розробок, виявлено недоліки та переваги. Проаналізовано та обрано методи для обробки та аналізу тексту з метою виявлення токсичних коментарів, а саме логістичну регресію та TF-IDF. Програмно реалізовано Telegram-бота на мові програмування Python з використанням середовища програмування PyCharm який може отримувати, аналізувати, та відповідно реагувати на повідомлення користувачів месенджеру Telegram. Cпроектовано базу даних, та розроблено структурну схему телеграм боту. Виконано відлагодження Telegram-бота для запобігання появі помилок в його роботі. Створено інструкцію для користувача, в якому зібрані відомості щодо правильного та ефективного використання Telegram-боту.
Аналіз і прогнозування актуарних процесів з використанням інтелектуального аналізу даних
(2023) Цвек, В. С.
Метою кваліфікаційної роботи є побудова математичних моделей аналізу і прогнозування актуарних процесів на основі інтелектуального аналізу даних, використання яких дозволить отримати менші 333ризики у роботі страхових компаній. Об’єктом дослідження є актуарні процеси у страховій діяльності. Предметом дослідження є методи і моделі аналізу і прогнозування актуарних процесів з використанням інтелектуального аналізу даних. Проведено аналіз методів і моделей, придатних для прогнозування та прийняття рішень на їх основі. Встановлено, що для розв’язання задачі аналізу та оцінювання фінансових ризиків можна скористатись регресійними моделями та мережами Байєса. Досліджено процес побудови математичних моделей для актуарних процесів, який складається з виконання відповідних етапів. Обґрунтовано вибір середовища моделювання та обробки фінансових статистичних даних з використанням економетричного пакету Eviews та середовища програмування R-package. Побудована модель має широкий спектр застосування, а саме: для фінансового аналізу з метою вчасного запобігання настання банкротства страхових компаній, а також для аналізу ефективності виконання умов договорів та виплати страхових платежів.
Використання еволюціонуючої нейронної мережі в action-іграх
(2022) Полянська Є. О.
У роботі пропонується створити action-гру з використанням алгоритму нейроеволюції наростаючих топологій для того, щоб на власні очі побачили навчання штучного інтелекту. Метою кваліфікаційної роботи є дослідження на практиці роботи нейроеволюції та навчання штучного інтелекту за допомогою action-гри з використанням алгоритму нейроеволюції наростаючих топологій.
Виявлення депресії із постів соціальних мереж на основі машинного навчання
(2023) Агібалов, Р. І.
Метою кваліфікаційної роботи є розробка системи виявлення деперсії за допомогою нейронних мереж. У роботі пропонується система для виявлення депресивних настроїв користувачів соціальних мереж. Під час роботи було проаналізовано існуючи методи обробки текстових даних, формування критерій даних для обробки та навчання. Об’єктом дослідження є система виявлення вірогідності наявності депресивних розладів. Предметом дослідження є процес аналізу та підготовки набору даних для вилучення різноманітних текстових характеристик, синтактичних, лексичних і семантичних. А також знаходження ключових фраз та термінів що можуть вказувати на депресивні розлади.
Виявлення морського сміття за допомогою комерційних супутникових зображень і глибокого навчання
(2022) Личман, М. С.
Метою кваліфікаційної роботи є створення глибинної нейронної мережі для аналізу зображень з комерційних супутникових знімків. В ході виконання кваліфікаційної роботи було виконане наступне: - обґрунтовано актуальність обраної теми, оглянуто наукові публікації, які стосуються теми кваліфікаційної роботи та існуючі рішення на ринку; - розглянуто та проаналізовано технології нейронних мереж та глибинного навчання; - розглянуто існуючі рішення з розпізнавання об’єктів, бібліотеки та фреймворки, що були використані під час дослідження; - описано технології розробки та інструментальні засоби, що використовувалися для створення глибинної нейронної мережі; - зібрано набір даних для навчання глибинної нейронної мережі; створено кросплатформенну утиліту для аналізу фотографій користувача навченою моделью на наявність на ній морського сміття
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.
Дослідження методів налаштування архітектури та алгоритмів навчання динамічно масштабованої нейромережі
(2023) Голубничий, В. А.
Метою кваліфікаційної роботи є розробка моделі та програмної реалізації динамічно масштабованої нейронної мережі, тестове тренування та перевірка його якості за допомогою не тренувальних даних. У роботі пропонується принцип організації нейронної мережі, а також програмна реалізація алгоритмів функціонування згідно пропонованим принципам, що дозволяє гнучко налаштовувати розміри (кількість шарів та кількість навчальних ітерацій) та проводити дослідження пов'язані з нейромережами різних розмірів. У ході виконання роботи досліджені наявні знання та досягнення у побудові сучасних нейромереж, програмно реалізовані алгоритми їх побудови та розроблені методи ініціалізації нейромережі у залежності від параметрів її розмірів. Проведене тестування отриманої програмної реалізації шляхом тренування мережі та перевірка якості навчання на даних, які не були використані при тренуванні.
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.
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
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.
Короткострокове прогнозування часових рядів із застосуванням штучних нейронних мереж
(2022) Пасічник К. Ю.
Метою кваліфікаційної роботи є аналіз, дослідження та прогнозування часових рядів разом зі штучними нейронними мережами (ШНМ). Часові ряди представляють великий практичний інтерес для багатьох дисциплін. Їх використання дозволяє з певною похибкою виявляти майбутні значення серії подій за попередніми значеннями. Що стосується штучних нейронних мереж, то можна впевнено сказати про їх застосування у багатьох областях статистики, однією з яких і є прогнозування часових рядів. Окрім того, що сьогодні представлено багато успішних рішень у різних галузях, таких як економіка, фінанси, бізнес, навколишнє середовище та інші, в даній роботі буде розглянуто та реалізовано короткострокове прогнозування рівня вуглекислого газу (CO2) в атмосфері в період боротьби з глобальним потеплінням та зміною клімату, тому тематика роботи є актуальною. У ході виконання кваліфікаційної роботи були досліджені основні методи прогнозування, моделювання структур часових рядів за допомогою ШНМ для прогнозування рівня вуглекислого газу в атмосфері. Результатом кваліфікаційної роботи має бути аналіз методів прогнозування на прикладі набору даних про рівень вуглекислого газу в атмосфері, актуальність обраних методів та сфери подальшого розвитку. Також очікується виконати огляд типів ШНМ та можливі методи застосування їх в прогнозуванні.
Методи обробки зображень на базі згорткових нейронних мереж
(2022) Шевченко, О. Т.
Метою кваліфікаційної роботи є огляд методів обробки зображень на базі згорткових нейронних мереж. Об’єктом дослідження є згорткові нейронні мережі. Предметом дослідження є методи обробки зображень. У ході виконання кваліфікаційної роботи були виконані наступні пункти: - проаналізовано існуючи додатки, процес функціювання та архітектура згорткових нейронних мереж; - розроблені тестові додатки детекції на базі CoAtNet; - виявлені переваги комбінування різних методів обробки зображень; - проведено тестування додатку. Результатом є порівняння декількох методів обробки зображень на базі згорткових нейронних мереж та побудова тестового додатку за допомогою Keras.
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.
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.