Кваліфікаційні роботи магістрів (Маг_ШІ)

Постійний URI для цієї колекції

https://openarchive.nure.ua/handle/document/9325

Перегляд

Зараз показано 1 - 20 з 232

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.
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 підрахунку
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 цілому
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.
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.
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.
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.
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.
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.
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 задачі
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
Використання згорткових нейронних мереж для вирішення задачі ідентифікації полум'я
(2022) Пустовалов, Д. О.
Об’єктом дослідження є процеси ідентифікації полум’я на основі цифрових відеопотоків, отриманих з камер спостереження в online режимі. Предметом дослідження є нейромережева система, методи та засоби ідентифікації полум'я у відеопотоці в online режимі. Методи дослідження. Методи обробки цифрових зображень (для вирішення задач фільтрації та класифікації цифрових зображень), функціонального аналізу, лінійної алгебри (для побудови математичних програмних моделей), нейронних мереж (для вирішення задач ідентифікації складних об'єктів), організації обчислювальних процесів із використанням обчислювальної техніки (для розроблення програмного забезпечення). На сьогоднішній день актуальним завданням є розроблення систем відеоспостереження та методів аналізу відеопотоку в online режимі з метою виявлення ознак пожежі.
Використання методів адаптивного нечіткого кластерування для вирішення завдання опрацювання матричних даних
(2022) Анісімов, В. Е.
Метою роботи є розробка пакетних та адаптивних матричних алгоритмів кластерування, які розширюють метод нечітких С-середніх, а також розробка програмного забезпечення, що реалізує запропоновані модифіковані алгоритми. Методологічна основа кваліфікаційної роботи полягає в застосуванні методів аналізу, класифікації, узагальнення та опису досліджених методів нечіткого кластерування, а також у постановці експерименту на основі розроблених модифікацій алгоритму нечітких С-середніх. У ході виконання кваліфікаційної роботи розроблені матричні модифікації алгоритму нечітких С-середніх і програмне забезпечення, що реалізує їх. Введені методи дозволяють працювати безпосередньо з матричними даними, уникаючи громіздких операцій векторизації-девекторизації, покращуючи час кластерування при однаковій якості з алгоритмом, що модифікується. Запропоновані методи застосовні для дослідження та обробки електромагнітних, теплових і оптичних полів вимірювань, областей забруднення повітряного басейну, медичних спостережень, цифрових зображень та відеорядів.
Використання методів ітераційної кластеризації складних образів
(ХНУРЕ, 2019) Городовенко, А. А.
Об'єкт дослідження – це процес динамічної кластеризації лінійно нероздільних експериментальних даних з різними характеристиками. Предмет дослідження – це методи та моделі динамічної кластеризації лінійно неподільних експериментальних даних з різними характеристиками. Мета роботи – розробка універсальної математичної моделі залежності вибору комбінації алгоритмів на різних етапах ієрархічного алгоритму Хамелеон від вихідних характеристик аналізованого набору даних з метою поліпшення якості кластеризації. Методи дослідження – для розробки математичної моделі вибору найкращого методу кластеризації зразків на основі характеристик вхідних даних були використані різні методи кластеризації та графіки, моделювання.
Використання та дослідження методів глибинного навчання при вирішенні задач динамічного аналізу даних
(2022) Патлань, К. В.
Об'єкт дослідження – дослідження методів глибинного самонавчання, за умов дефіциту та викривленості вихідної інформації. Предмет дослідження – застосування модифікованого еволюційного ройового алгоритму. Метою даного дослідження є запропонувати метод з використанням еволюційної оптимізації, який був би позбавлений недоліків традиційних підходів до кластеризації даних. Методи дослідження – кластерний аналіз. Припускається, що модифікований ройовий алгоритм має покращені властивості в кластерному аналізі.
Використання штучного інтелекту у розробці мобільних додатків
(2022) Стрельченя, Д. Ю.
В ході роботи проведено аналіз існуючих мобільних ігрових hypercasual додатків, були отримані практичні навички роботи у середовищі Unity, вивчені основні алгоритми реалізації штучних інтелектуальних агентів та розроблені вимоги до додатка. В результаті розроблено багатоплатформний додаток симулятор магазину з інтелектуальними агентами у вигляді покупців та співробітників, зроблено експорт під операційну систему Android, здійснена публікація до мобільного майданчика Google Play та вже отримано більше 10 тисяч завантажень.
Вирішення задачі виправлення граматичних помилок в текстах з використанням сучасних технологій глибинного навчання
(2023) Яковлева, О. М.
Метою кваліфікаційної роботи є розробка інтелектуальної системи виправлення граматичних помилок для української мови на основі глибинних рекурентних нейронних мереж з використанням анотованих та синтетичних наборів даних. Об’єктом дослідження є процес виправлення граматичних помилок в українській мові на основі українського анотованого корпусу з додатковим використанням синтетичних даних. Предметом дослідження є глибинні рекурентні мережі, призначені для вирішення задач виправлення граматичних помилок, що навчаються як на анотованих, так і на синтетичних наборах даних. Методи дослідження – теорія оптимізації, теорія штучних нейронних мереж, теорія глибинних нейронних мереж, теорія систем опрацювання природної мови. Ця кваліфікаційна робота зосереджена на досліджені та аналізі методів та системи для створення GEC застосунку української мови, використовуючи один з найсучасніших підходів – нейромережевого машинного перекладу, яке інтерпретує завдання GEC як одномовне переписування помилкового тексту в граматично коректний.
Виявлення аномалій у поведінці користувачів за допомогою Machine Learning
(2022) Сушко, А. О.
Мета роботи – пошук оптимального алгоритму для виявлення аномалій у поведінці користувачів. У результаті роботи був проведений аналіз технічної літератури, предметної галузі, виявлено проблемні місця та поставлено задачу розробки готового рішення. Були сформовані вимоги та досліджені вхідні дані. На основі цього було обрано оптимальні алгоритми машинного навчання для пошуку аномалій
Виявлення вільних місць для паркування за допомогою техніки комп’ютерного зору
(2020) Селезень, А. К.
Цель работы – разработка алгоритма выявления свободных мест для парковки автомобиля. Методы исследования базируются на теории вычислительного интеллекта, а именно на методах теории искусственных сверточных нейронных сетей, а также обработка и анализ полученных результатов. Осуществлено моделирование процесса распознавания объектов на изображениях и видео с использованием архитектур Faster RCNN, Mask RCNN и YOLO. На основе результатов выполненных исследований разработан алгоритм распознавания объектов, а именно определения свободных и занятых мест для парковки.
Виявлення прихованої пропаганди в медіатекстах
(2023) Самелюк, А. А.
Мета роботи – реалізувати модель для виявлення пропаганди в медіатекстах. Методи дослідження – аналіз теоретичних джерел інформації, технічної літератури, зокрема, наукових статей і досліджень, присвячених ідентифікації та класифікації пропагандиських текстових даних, вивчення існуючих моделей машинного навчання, що використовуються в галузі класифікації пропагандистських текстів; програмна реалізація найбільш перспективних архітектур і експериментальне дослідження ефективності обраних архітектур для поставленої задачі. Проведено дослідження виявлення прихованої пропаганди в медіатекстах, навчено декілька інтелектуальних моделей ідентифікації та класифікації пропаганди в текстах з використанням глибинних нейромережевих архітектур, як звичайних (серед них LSTM та CNN) так і тих, що базуються на архітектурі трансформер (серед них BERT, RoBERTa, AlBERT, DeBERTa, GPT-2, XLNET, T5, BART, SpanBERT, ELECTRA). Розроблені мережі можуть бути використані в різних інформаційних системах, які потребують виявлення пропагандиського контенту. В подальшому можливо удосконалення моделей шляхом розширення мов класифікації, імплементації ансамблевого навчання.