Кваліфікаційні роботи магістрів (Маг_ШІ)
Постійний URI для цієї колекції
Перегляд
Останні подання
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 Сегментація об'єктів у супутникових зображеннях. Використання штучного інтелекту для автоматичної класифікації ділянок на супутникових знімках(2025) Ярцев, В. Р.Об'єкт дослідження – процес автоматичної сегментації об’єктів на супутникових зображеннях за допомогою методів штучного інтелекту. Предмет дослідження – методи та архітектури глибокого навчання, зокрема згорткові нейронні мережі, що застосовуються для семантичної сегментації супутникових знімків. Метою даної роботи є виявлення найефективніших методів сегментації, розробка та апробація методів сегментації об'єктів на супутникових знімках з використанням алгоритмів штучного інтелекту для автоматичної класифікації ділянок.Публікація Генерація Інтерфейсу через зображення макету(2025) Углик, Р. С.Об'єкт дослідження – процес автоматичної генерації коду з графічних макетів за допомогою методів штучного інтелекту. Предмет дослідження – моделі глибинного навчання та алгоритми, що застосовуються для розпізнавання візуальних елементів інтерфейсу й генерації HTML-коду. Мета роботи – створення інтелектуальної системи, здатної генерувати інтерфейс користувача на основі зображення макету. Методи дослідження – аналіз існуючих рішень і технологій в галузі комп’ютерного зору та генерації коду, проєктування архітектури системи на базі глибоких нейронних мереж, реалізація програмного прототипу, тестування на прикладах макетів. Під час виконання кваліфікаційної роботи проведено теоретичний аналіз літературних джерел і наукових публікацій щодо використання нейронних мереж для аналізу та обробки зображень, а також генерації текстової розмітки. Проаналізовано сучасні підходи до генерації інтерфейсного коду за допомогою моделей типу CNN, RNN та трансформерів. Виділено недоліки наявних рішень, зокрема обмежену точність, відсутність адаптивності та закритість архітектур. У результаті дослідження запропоновано новий підхід до автоматичної побудови HTML інтерфейсу, що базується на інтеграції методів комп’ютерного зору, розпізнавання елементів макету та генерації структурованого коду.Публікація Дослідження еволюційної нейронної мережі в задачах прогнозування в режимі реального часу(2025) Ушаков, І. Р.Об’єкт дослідження – процес прогнозування часових рядів у режимі реального часу з використанням еволюційних нейронних мереж. Предмет дослідження – методологія побудови еволюційних нейронних мереж для задач прогнозування в режимі реального часу, що включає адаптивну оптимізацію параметрів та структури моделей за допомогою еволюційних алгоритмів. Мета дослідження – розробка та експериментальне обґрунтування підходу до прогнозування часових рядів у реальному часі на основі еволюційних нейронних мереж із використанням методів оптимізації гіперпараметрів і топології мережі, що забезпечує підвищену точність та швидкість адаптації моделей. Методи дослідження – методи машинного навчання для побудови та оптимізації прогнозних моделей, еволюційні алгоритми для налаштування архітектури нейромереж, методи математичної статистики для оцінки точності експериментальні дослідження ефективності навчання моделей. Наукова новизна роботи – запропоновано підхід до прогнозування часових рядів у режимі реального часу, який поєднує механізми еволюційного навчання та адаптивної оптимізації нейронних мереж. Галузь застосування – системи прогнозування у фінансовій аналітиці, енергетиці, промисловості, охороні здоров’я та інших сферах, де критично важливе точне та швидке прогнозування часових рядів у реальному часі.Публікація Дослідження та використання великих мовних моделей в задачах обробки природної мови(2025) Сергієнко, Д. В.Об’єкт дослідження – процес розпізнавання іменованих сутностей у текстах природною мовою з використанням великих мовних моделей. Предмет дослідження – великі мовні моделі, зокрема модель GLiNER, та їх використання в задачах розпізнавання іменованих сутностей. Мета роботи – аналіз та апробація сучасних великих мовних моделей у задачі розпізнавання іменованих сутностей, зокрема моделі GLiNER, та визначення ефективності їх застосування в умовах обмежених навчальних вибірок (zero-shot, few-shot). Результатом виконання роботи є підтвердження ефективності використання моделі GLiNER для автоматичного розпізнавання іменованих сутностей та рекомендації щодо її практичного застосування й подальшого розвитку в реальних сценаріях обробки природної мови.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 Розробка масштабованої глибокої моделі для багатокласової сегментації супутникових зображень в умовах обмеженої вибірки даних(2025) Ткаченко, Б. С.Об'єкт дослідження – системи автоматичної сегментації та класифікації об'єктів на супутникових зображеннях. Предмет дослідження – методи та алгоритми багатокласової сегментації супутникових зображень за допомогою глибоких нейронних мереж в умовах обмеженої вибірки даних. Мета роботи – розробка та дослідження масштабованої глибокої моделі для багатокласової сегментації супутникових зображень, що забезпечує високу точність сегментації при обмеженій кількості навчальних даних. Методи дослідження – аналіз існуючих рішень, математичне моделювання, експериментальне дослідження, статистичний аналіз, методи аугментації даних, трансферне навчання, комп'ютерне моделювання та програмна реалізація. Проведено комплексний аналіз сучасних методів сегментації супутникових зображень, досліджено архітектури згорткових нейронних мереж та методи їх оптимізації. Використано спеціалізований набір даних для навчання мережі, що містить всього 8 супутникових зображень високої роздільної здатності. На основі проведених досліджень розроблено оригінальну архітектуру CNN, що досягає точності в 92% для використаних класів сегментації.Публікація Розробка та дослідження методів для аналізу рухів людини на основі штучного інтелекту(2025) Тритяк, М. І.Об’єкт дослідження – процес багатозадачного навчання з використанням глибинних нейронних мереж для розпізнавання діяльності людини в реальному часі. Предмет дослідження – методологія побудови багатозадачних моделей на основі глибинних нейронних мереж, що включає застосування мереж пересічного зшивання та адаптивного обміну параметрами між підзадачами для розв’язання задач розпізнавання діяльності людини. Мета дослідження – розробка та обґрунтування підходу до розпізнавання діяльності людини в реальному часі, що використовує багатозадачне навчання з елементами пересічного зшивання та обміну параметрами, що забезпечує підвищену точність та ефективність моделі. Методи дослідження – методи глибинного навчання для побудови моделей розпізнавання, багатозадачне навчання для синхронізації підзадач, еволюційні алгоритми для налаштування архітектури нейронних мереж, методи математичної статистики для оцінки точності результатів, експериментальні дослідження ефективності застосування обміну параметрами між задачами. Наукова новизна роботи – запропоновано новий підхід до розпізнавання діяльності людини, що поєднує багатозадачне навчання з глибинними нейронними мережами, методами пересічного зшивання та обміну параметрами, що дозволяє підвищити точність і адаптацію моделі до змінюваних умов у реальному часі.Публікація Система розпізнавання об'єктів та траєкторії їх руху для безпілотних літальних апаратів(2025) Сагайдачний, Н. І.Об’єкт дослідження – системи виявлення об’єктів на відеопотоці з безпілотних літальних апаратів (БПЛА). Предмет дослідження – оптимізація процесу вибору датасету, архітектури детектора та метрик продуктивності для задач реального часу на базі моделей YOLO. Мета роботи – обґрунтувати та реалізувати ефективну систему виявлення об’єктів у відеопотоці з БПЛА шляхом порівняльного аналізу сучасних моделей YOLO та вибору оптимального датасету для навчання. Методи дослідження – системний аналіз датасетів (VisDrone, UAVDT), огляд та порівняння архітектур YOLO v8 та YOLO v11, автоматизована конвертація розмітки, експериментальне навчання моделей, логування продуктивності (mAP, FPS, латентність), тестування на відеостенді. У кваліфікаційній роботі розглянуто процес побудови ефективної системи детекції об’єктів у відеопотоці БПЛА на основі моделей YOLO. Обґрунтовано доцільність використання VisDrone як основного набору для тренування моделей. Здійснено експериментальне навчання конфігурацій YOLO v8 nano та YOLO v11 nano з ідентичними параметрами, реалізовано модуль автоматизованої конвертації розмітки, а також побудовано тестовий стенд для оцінки продуктивності. Результати демонструють перевагу YOLO v11 у швидкодії без втрати точності, що підтверджує її доцільність для реального застосування в умовах обмежених ресурсів БПЛА.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 Покращена архитектура трансформера за рахунок квантових обчислень(2025) Попович, К. С.Об’єктом дослідження є нейронні мережі трансформерної архітектури. Метою роботи є розробка та дослідження покращеної архітектури трансформера, що використовує квантові обчислювальні елементи для підвищення ефективності, швидкодії та якості обробки даних у задачах штучного інтелекту. Методами дослідження є аналіз літературних джерел з класичних і квантових трансформерів, математичне моделювання квантових обчислювальних блоків у структурі трансформера, симуляція роботи квантових нейронних мереж із застосуванням фреймворку PyTorch+ PennyLane, експериментальна перевірка моделі на типових задачах та порівняльний аналіз результатів з базовими класичними трансформерами. У результаті досліджено підходи до побудови гібридної трансформерної архітектури, яка поєднує класичні нейронні мережі з квантовими обчислювальними елементами. Розглянуто концепцію варіаційних квантових схем, реалізовано експериментальну модель на основі фреймворків PyTorch і PennyLane. Проведено навчання моделі на наборі даних IMDb для задачі аналізу сентименту, а також виконано порівняльну оцінку з класичним трансформером за основними метриками точності. Результати підтверджують перспективність інтеграції квантових елементів у глибокі архітектури для покращення узагальнюючих властивостей моделей.Публікація Дослідження великих мовних моделей для завдань із відповідями на питання(2025) Норець, Ден. А.Об’єктом дослідження є великі мовні моделі, що використовуються для автоматичної генерації відповідей у завданнях типу «питання відповідь». Предметом дослідження є якість відповідей, які генерують ці моделі, а також інструменти й метрики, що використовуються для автоматичної оцінки таких відповідей. Метою роботи є порівняльний аналіз сучасних великих мовних моделей у задачах питання-відповіді з використанням набору автоматичних метрик, а також дослідження можливостей покращення якості відповідей шляхом донавчання однієї з моделей. У процесі дослідження використовувалися методи порівняльного аналізу, автоматизованої обробки тексту, семантичного зіставлення текстових відповідей, а також метод донавчання моделей на основі спеціалізованого корпусу даних. Для оцінювання відповідей застосовано метрики BLEU, ROUGE, METEOR, BERTScore та MoverScore. У результаті роботи було обґрунтовано вибір трьох моделей– GPT, LLaMA та BLOOM. Було побудовано експериментальну модель аналізу, яка дозволяє фіксувати якість відповідей за різними критеріями, порівнювати результати до та після fine-tuning, а також оцінювати адекватність сучасних автоматичних метрик у задачах оцінювання відповіді.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 Дослідження великих мовних моделей для покращених описів товарів(2025) Овчаренко, С. Є.Об’єкт дослідження: процес генерації текстових описів товарів у сфері електронної комерції. Предмет дослідження: використання великих мовних моделей для автоматизованої генерації описів товарів. Мета роботи: дослідження можливостей застосування великих мовних моделей GPT-3.5 і GPT-4 для створення якісного текстового контенту та порівняння їх ефективності в задачі генерації описів товарів. Методи дослідження: аналіз наукових джерел, порівняльний аналіз архітектур LLM, генерація текстів, оцінка результатів за допомогою автоматичних метрик та експертного аналізу. Кваліфікаційна робота присвячена вивченню можливостей великих мовних моделей у задачі генерації текстових описів товарів для онлайн торгівлі. У роботі сформовано вхідні дані на основі реальних товарів, проведено генерацію текстів і виконано оцінювання якості згенерованих описів за допомогою кількох метрик та експертної оцінки. Отримані результати дозволили визначити переваги та недоліки кожної моделі в контексті автоматизації контенту для e-commerce, а також сформулювати практичні рекомендації щодо їх застосування. Робота може бути використана як основа для впровадження LLM у системи управління товарним контентом, а також для подальших досліджень у галузі генерації природної мови.Публікація Дослідження та розробка системи на базі великої мовної моделі для розважальних цілей(2025) Небаба, М. Ю.Об’єкт дослідження – процеси мовної взаємодії людини з комп’ютерною системою в режимі реального часу за допомогою голосових технологій. Предмет дослідження – архітектурні, програмні та інтелектуальні компоненти інтерактивної голосової системи на базі великих мовних моделей, що функціонує у середовищі Discord. Мета роботи – розробити прототип інтерактивної голосової системи на основі технологій штучного інтелекту, здатної реалізовувати повноцінний цикл спілкування з користувачем у голосовому форматі: від розпізнавання мовлення до генерації та озвучення відповіді з мінімальною затримкою. Методи дослідження – у роботі використано методи архітектурного проєктування програмних систем, модульної розробки на Python, аналізу й інформації. Застосовано мовні моделі як хмарного, так і локального типу, модель розпізнавання мовлення Whisper та синтезатор Kokoro TTS із підтримкою зміни голосу. Взаємодія між компонентами реалізована через високопродуктивний GRPC-сервер для забезпечення низької затримки і масштабованості. Система здатна адаптуватися до різних стилів спілкування, підтримує багатокористувацьку комунікацію та є придатною для використання у таких сферах, як створення віртуальних стрімерів, освітніх платформ із голосовими асистентами, інтерактивних ігор, сервісів підтримки та цифрових компаньйонів.Публікація Дослідження методу комп'ютерного зору для виявлення накладання об'єктів на зображеннях(2025) Норець, Дан. А.Об’єктом дослідження є процес автоматизованого аналізу зображень із використанням методів комп’ютерного зору. Предметом дослідження виступають методи та алгоритми виявлення накладених об’єктів на зображеннях з використанням інстанс-сегментації. Метою роботи є дослідження, порівняння та оцінка ефективності сучасних методів комп’ютерного зору для визначення об’єктів, що частково або повністю перекриваються на зображеннях, з використанням глибоких нейронних мереж. У роботі застосовувалися методи теоретичного аналізу літературних джерел, експериментальне моделювання, використання глибоких згорткових нейронних мереж (DINO, YOLOv8 Seg, RT-DETR), а також метрики оцінювання якості інстанс-сегментації. У результаті дослідження було обґрунтовано доцільність використання методів інстанс-сегментації для задач виявлення накладених об’єктів. Проаналізовано архітектури сучасних моделей, визначено їх переваги та обмеження у контексті поставленої задачі. Розроблено підхід до оцінки якості роботи моделей на основі релевантних метрик, що дозволяє об’єктивно порівнювати їхню ефективність у різних умовах. Отримані результати можуть бути використані для подальшої розробки систем відеоаналітики, медичної діагностики, безпеки, а також інших сфер, де важливо точно розпізнавати об’єкти в умовах часткового перекриття.Публікація Нейромережевий підхід до розробки метрики оцінювання точності синхронізації мовлення та руху губ у віртуальних аватарах(2025) Мирошник, Ю. Ю.Об'єкт дослідження – системи автоматичного генерування синхронізованих візуалізацій мовлення для віртуальних аватарів на основі глибоких нейронних мереж. Предмет дослідження – методи підвищення точності синхронізації мовлення та рухів губ у відео з віртуальними аватарами за допомогою удосконалених метрик аудіо-відео синхронізації. Мета роботи – розробка та вдосконалення метрики синхронізації на основі моделей аудіо-відео синхронізації для підвищення точності та стабільності роботи систем генерації аудіо-візуальної синхронізації губ. Методи дослідження – теоретичні (аналіз наукової літератури, порівняння існуючих підходів) та практичні (розробка модифікацій моделі оцінки синхронізації та їх експериментальна перевірка). Наукова новизна полягає у розробці нової архітектури моделі оцінки аудіо-відео синхронізації AVAlignNet, яка демонструє покращені показники точності та стабільності порівняно з існуючими аналогами. Досліджено вплив різних архітектурних рішень та гіперпараметрів на ефективність навчання AVAlignNet. Результатом дослідження є розроблена та експериментально перевірена модель оцінки аудіо-відео синхронізації, яка покращує існуючі підходи до оцінки аудіо-відео синхронізації. Проведено детальний аналіз процесу підготовки даних та факторів, що впливають на узагальнювальну здатність моделей на різнорідних датасетах.Публікація Розробка системи динамічної оптимізації обсягів збереження даних у Data Lake на основі класифікації корисності даних(2025) Мітрошкіна, К. В.Об’єкт дослідження – система управління обсягами даних у хмарному сховищі типу Data Lake. Предмет дослідження – методи динамічної оптимізації зберігання даних на основі класифікації їх корисності. Мета роботи – розробити систему автоматизованого управління обсягами збереження даних у Data Lake, яка дозволяє знижувати витрати на інфраструктуру за рахунок аналізу й класифікації корисності даних з використанням машинного навчання. Методи дослідження – аналіз літератури та сучасних підходів до зберігання даних у хмарних середовищах, моделювання, машинне навчання, побудова архітектури програмної системи, реалізація прототипу на основі Python та Apache Spark. У результаті роботи здійснено аналіз проблем надмірного зберігання даних у Data Lake, побудовано модель корисності даних на основі доступу, частоти використання та джерела надходження. Розроблено систему, що включає модуль класифікації даних, модуль моніторингу доступу та модуль застосування політик зберігання. Система протестована на реальних обсягах симульованих даних, що дозволило досягти зменшення витрат на зберігання до 38% без втрати критично важливої інформації. Виявлено обмеження поточної моделі та запропоновано шляхи подальшої оптимізації.Публікація 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 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.