Кваліфікаційні роботи магістрів (Маг_ШІ)
Постійний URI для цієї колекції
Перегляд
Останні подання
Публікація Еволюційна інкрементна нейронна мережа в задачах опрацювання потоків даних(2023) Ляшенко, Д. Л.Метою кваліфікаційної магістерської роботі є розглянути методи побудови інкрементної нейронної мережі в задачах опрацювання потоків даних, графіків та діаграм для візуалізації багатовимірних даних. Методи дослідження базуються на теорії обчислювального інтелекту, а саме на методах теорії штучних нейронних мереж для побудови архітектури еволюційної інкрементої нейронної мережі, що складаються з нечіткого шару виводу і дозволяють проводити візуалізацію в послідовному режимі. Імітаційне моделювання застосовується для перевірки якості візуалізації. В кваліфікаційній роботі розглядається задача побудови еволюційної інкрементої мейронної мережі та рекурентних нейронних мереж.Публікація Розробка та дослідження методів одноразового навчання для мультимодальних даних(2023) Стахевич, А. В.Мета роботи – дослідження і розробка моделей для створення опису зображень, які представляють невеликі класи, українською мовою. Методи дослідження – моделювання архітектури моделей, комбінація моделей, тренування моделей. Проведення аналізу існуючих рішень для задач комп’ютерного зору, обробки природної мови та методів оцінки результатів. Аналіз літератури та електронних ресурсів. Результатом роботи є моделя для створення підпису до зображення, яка створює опис за допомогою української мови. Сферою застосування даної роботи є український ринок нейронних мереж, які здатні створювати підпис до зображення. Значимість роботи полягає в створенні моделі підпису до зображення україною мовою, збільшення кількість україномовних ресурсівПублікація Розпізнавання порід котів у програмній системі обліку домашніх тварин(2023) Соловей, І. В.Мета роботи – розробка сервісу з можливістю визначення породи кішки за фотографією. Методи дослідження – аналіз тематичних матеріалів, реалізація алгоритмів, вивчення документації засобів програмного забезпечення та бібліотек, аналіз ринку програмних систем зі схожим функціоналом, прототипування і практична реалізація. В ході роботи проведено аналіз наявних технологій розпізнавання зображень, вивчені способи використання штучного інтелекту у взаємодії з мобільним додатком та розроблені вимоги до проєкту. На базі створених вимог розроблена архітектура програмної системи та створено функціональний зразок.Публікація Інтелектуальна система аналізу даних атомно-силової мікроскопії клітин(2023) Таласімова, К. М.Мета роботи – підвищення якості зображень атомно-силової мікроскопії. Методи дослідження – аналіз існуючих методів глибинного навчання для відновлення пропущених даних в зображеннях атомно-силової мікроскопії, порівняння ефективності запропонованих методів з традиційними, обробка та аналіз отриманих результатів. У кваліфікаційній роботи досліджено можливості використання штучного інтелекту для розв'язання проблеми пропусків в зображеннях атомно-силової мікроскопії, розглянуто різні методи глибокого навчання для відновлення пропущених даних в зображеннях, такі як генеративні моделі з підсиленням, автокодувальні мережі та глибокі конволюційні мережі. На основі результатів був проведений аналіз швидкодії запропонованого підходу та обчислені метрики для оцінки якості класифікації.Публікація Дослідження моделей навчання з підкріпленням для створення анімації рухів персонажів(2023) Волошинова, Г. С.Мета роботи – застосування моделей навчання з підкріплення для створення анімацій рухів персонажів. Методи дослідження – аналіз існуючих підходів для створення анімацій рухів персонажів, розробка архітектури та алгоритму навчання моделей навчання з підкріпленням, програмна реалізація та проведення комп’ютерного експерименту, обробка та аналіз отриманих результатів, порівняння ефективності метода з існуючими методами. Під час виконання кваліфікаційної роботи проведений теоретичний аналіз літературних джерел щодо методів моделювання штучних нейронних мереж та алгоритмів їх навчання, наукових публікацій щодо створення анімацій та моделей навчання з підкріплення інших алгоритмів глибокого навчанняПублікація Інформаційно-аналітична система фітнес-клубу для визначення типу фізичної активності людини(2023) Воронін, Б. С.Мета роботи – визначити оптимальний підхід до вирішення задачі класифікації фізичної активності людини з використанням сенсорів особистих пристроїв людини – а саме акселерометр та гіроскоп смарт-годинника та смартфону. Методи дослідження – фіксуванням показників просторових сенсорів для проведення моделювання та проектування класифікатора фізичної активності людини, з визначенням кращих альтернатив проведенням порівняльного аналізу розроблених варіантів. Було проведено аналіз наукової літератури з метою виявлення найкращих практик та основних патернів при проектуванні та розробці системи класифікації рухів людини. Було проведено аналіз конкурентних систем, визначені їх недоліки та визначені шляхи по їх уникненню. У результаті досліджень було розроблено класифікатор типу фізичної активності людини з точністю майже 93% при аналізу сегменту даних тривалістю 4 секунди при частоті дискретизації сигналу 25 Гц.Публікація Дослідження генеративно-змагальних моделей в задачах синтезу тексту в зображення(2023) Воронюк, К. Л.Мета роботи – ознайомлення, вибір та дослідження особливостей генеративного моделювання, що визначає найбільш ефективні моделі в навчанні генерації реалістичних зображень з текстового опису, а також перевірка якості та швидкості процесу генерації за допомогою реалізації алгоритму для демонстрації отриманих результатів. Методи дослідження – аналіз існуючих алгоритмів видів генеративно-змагальних моделей. Виділення ключових понять і алгоритмів їх роботи, а також аналіз літератури та електронних ресурсів існуючих змагальних моделей для вирішення задач синтезу тексту у зображення. На основі результатів виконаних досліджень вирішено задачу трансформації тексту в зображення за допомогою генеративно-змагальної нейронної мережі StackGAN. Розроблено програмний модуль з реалізацією імітаційного моделювання роботи змагальних моделей, який ілюструє синтез.Публікація 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.Публікація Дослідження та розробка гібридних методів формування рекомендацій в ситуації холодного старту рекомендаційної системи(2023) Скриннік, В. І.Об’єкт дослідження – процес побудови рекомендацій. Мета роботи – дослідження гібридних методів побудови рекомендацій для формування переліку товарів та послуг в ситуації холодного старту рекомендаційної системи. Методи розробки базуються на технологіях JavaScript (візуальна частина) та Python. У результаті виконання роботи було досліджено методи надання рекомендацій у ситуації холодного старту рекомендаційної системиПублікація Дослідження Point-based Neural Radiance Fields для реконструкції великих 3Д сцен з невідомими позами камер за допомогою нейронного bundle adjustment(2023) Шашко, О. В.Мета роботи – покращення якості генерації 3Д структур при використанні неякісних (або повної відсутності) поз камер у поточкових Neural Radiance Fields. Методи дослідження – аналіз існуючих підходів для генерації 3Д структур за допомогою набору зображень, розробка архітектури та алгоритму навчання поточкових Neural Radiance Fields та нейронних мереж в їх складових, програмна реалізація та проведення експерименту, обробка та аналіз отриманих результатів. Під час виконання кваліфікаційної роботи проведено аналіз літературних джерел в області Neural Radiance Fields та алгоритмів їх навчання, наукових публікацій щодо розробки та проектування такого виду систем нейронних мереж для генерації 3Д об’єктів з набору зображень. Було виділено основні недоліки існуючих підходів та запропоновано нову архітектуру – поточковий Neural Radiance Fields та алгоритм його навчання, який в процесі корегує (або визначає) пози камер відповідних зображень. Реалізовано програмний модуль моделі зі всіма необхідними алгоритмами та протестовано на відповідних відкритих даних. На основі результатів був проведений порівняльний аналіз якості запропонованого підходуПублікація Методи глибинного навчання та обробки природномовних текстів в задачах психологічного профілювання людей(2023) Шаталов, О. В.Мета роботи – дослідження у сфері спроможності виявлення певних патернів поведінки людини за написаним нею текстом засобами глибокого навчання та обробки природньої мови. Методи дослідження – аналіз теоретичного матеріалу, предметної області, алгоритмів глибокого навчання, математичний апарат знаходження патернів поведінки людини, програмна реалізація. Розроблено програмний модуль, здатний проводити аналіз написаного людиною тексту для розпізнавання її патернів поведінки, інтегрований до веб-платформи. Впровадження поданої розробки підвищить якість рекомендаційних систем, стане у нагоді в сфері маркетингу та продажу товарів різних сфер, допоможе персоналізувати однаковий контент тощо. Результати дослідження можуть бути використані у створенні універсальної платформи для персоналізації різних типів контенту, а також для знаходження відповідностей уподобання контенту та користувачаПублікація Індексування об’єктів, що рухаються, на основі В-дерев(2023) Сідельник, Д. В.Об’єктом досліджень є структури просторових даних. Предметом досліджень кваліфікаційної роботи є індексування рухомих об’єктів. Метою роботи є дослідження R- та TPR-дерев для індексування рухомих об’єктів та порівняння цих структур за ефективністю пошукових запитів.Публікація Розробка матричного методу опорних векторів з адаптивним комбінованим навчанням активаційної функції в рамках задачі розпізнавання образів(2023) Ревека, К. І.Метою роботи є побудова моделі опорних векторів з адаптивним комбінованим навчанням активаційної функції.Публікація 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.Публікація Дослідження застосування spiking нейронних мереж у задачах розпізнавання просторо-часових патернів в онлайн-навчанні(2023) Савенков, Д. В.Мета кваліфікаційної роботи – дослідження сучасного стану онлайн-навчання, наявних проблем та як спайкові нейромережі допомагають їх вирішити; розробити алгоритм навчання спайкового дрейф-детектора, провести та проаналізувати емпіричний досвід. Методи дослідження – аналіз та систематизація теоретичного матеріалу, проведення та аналіз експериментів. Було систематизовано існуючі знання щодо використання спайкових мереж у різних задачах онлайн-навчання; було виявлено їх переваги перед та недоліки; був проведений аналіз вбудованих механізмів короткочасової пам’яті, як вони можуть бути використані у аналізі просторо-часових патернів у потоці даних. Було побудовано новаторський алгоритм навчання дрейф-детектору використовуючи тільки вхідні дані та отримано конкурентно-спроможні результати із мінімальною кількість False Positive помилок. Було зазначено наявні проблеми та перспективи. Результати роботи можуть бути використано для подальших досліджень, практичного застосування та для ознайомлення із предметною галузі у закладах вищої освіти.Публікація Застосування фрактальних кривих у задачі індексації двовимірних об'єктів(2023) Панасюк, О. В.Об’єктом досліджень є структури просторових даних. Предметом досліджень кваліфікаційної роботи є застосування фрактальних кривих для обходу простору. Метою роботи є дослідження ефективності побудови да доступу до даних у структурі просторових даних та вплив на показники ефективності способу обходу простору.Публікація Модель машинного навчання для виявлення фейкової складової у новинних текстах(2023) Панкратов, Є. О.Мета роботи – виявлення фейкової складової у новинних текстах за допомогою машинного навчання. Методи дослідження – існуючі моделі машинного навчання для обробки текстів, методи аналізу, перевірки та методи навчання моделей. Практична значимість даної кваліфікаційної роботи полягає в розробці моделі, яка може бути впроваджена в системи моніторингу новин та інформаційні портали для автоматичного виявлення фейкових новин у текстах. Така модель може допомогти зменшити поширення фейкових новин, підвищити якість інформації, як у отримують користувачі, та зміцнити довіру до засобів масової інформаціїПублікація Глибинна нейронна мережа для створення 3D моделей на основі зображень об’єкта(2023) Петрикін, М. Ю.Мета роботи – моделювання 3D моделей з зображень об’єкта. Методи дослідження – аналіз існуючих рішень з використанням нейронних мереж для моделювання зображень, розробка архітектури та алгоритму навчання генеративно змагальної глибинної нейронної мережі, програмна реалізація та графічне моделювання результатів. Під час виконання кваліфікаційної роботи проведений теоретичний аналіз літературних джерел щодо методів моделювання глибинних штучних нейронних мереж та алгоритмів їх навчання в задачі генерації 3D моделей з використанням 2D зображень, наукових публікацій щодо розробки генеративно змагальних нейронних мереж для безпосередньої роботи з 2D зображеннями. Було виділено основні недоліки існуючих підходів та запропоновано архітектуру – генеративно змагальна нейронна мережа з використанням залишкової нейронної мережі.Публікація Дослідження ефективності нейронних мереж генерування тексту для мобільної текстової quest-гри(2023) Пономаренко, Д. Р.Метою роботи є дослідження ефективності мовних моделей генерації тексту, та створення сучасної та конкурентоспроможної додатка-генератора на мобільний пристрій яка повинна мати змогу зацікавити користувача, використовуючи програмні засоби Android/IOS розробки, у нашому випадку мови Flutter, та роботи з засобами деякого великої мовної моделі gpt-3. Методами досліджень є аналіз технологій розробки на Android/Ios та дослідження ефективності мовних моделей генерування тексту, що використовують технології штучного інтелекту та нейронних мереж, вивчення можливостей роботи з мовними моделями. Також аналіз інших джерел таких як література та електронні ресурси. Здійснено практичне створення програмного додатка за допомогою мови flutter із застосуванням можливостей роботи з мовною моделью gpt-3. Результатом атестаційної роботи є додаток для мобільних пристроїв, деякий індивідуальний квест генератор.Публікація Дослідження нейромережевих технологій для аналізу контента соціальних мереж(2023) Литвиненко, А. В.У роботі показано перевагу класифікаторів на основі глибоких нейронних мереж над класичними методами класифікації, навіть якщо для векторних уявлень слів використовується модель Word2Vec. Найвищу точність для даних текстів має модель рекурентної нейронної мережі з LSTM-блоками.