Рижанов, В. С.2023-02-012023-02-012022Рижанов В. С. Класифікація фрактальних реалізацій методами машинного навчання на основі побудови графів видимості : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 113 Прикладна математика / В. С. Рижанов ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2022. – 68 с.https://openarchive.nure.ua/handle/document/21678Об’єкт дослідження – фрактальні реалізації. Мета роботи – дослідити метод візуалізації фрактальних реалізацій за до-помогою якого буде здійснена класифікація різнокольорових зображень фрак-тальних реалізацій, використовуючи Deep Machine Learning. Методи дослідження – класифікація фрактальних реалізацій. Кваліфікаційна робота присвячена дослідженню застосування візуалізації фрактальних реалізацій за допомогою графів видимості для класифікації, вико-ристовуючи Deep Machine Learning. Для обчислюваного експерименту було згенеровано фрактальні реалізації, побудовано графи видимості та репрезенто-вано їх у матриці суміжності. Машинне навчання, а саме нейронні мережі – це потужний інструмент класифікації та кластеризації даних, тому, для класифіка-ції матриць суміжності представлених у вигляді різнокольорових зображень, використовувалась згорткова нейронна мережа.ukброунівський рухграф натуральної видимостізгорткова нейронна мережаматриця суміжностіфракталчасовий рядOther