Дисертації (ІПЗЕ)
Постійне посилання зібрання
У зібранні розміщено дисертації, які захищені працівниками кафедри.
Переглянути
Перегляд Дисертації (ІПЗЕ) за Автор "Верлань, Андрій Анатолійович"
Зараз показуємо 1 - 1 з 1
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Методи та програмні засоби аналізу акустичних сигналів на основі нейромережевих моделей(КПІ ім. Ігоря Сікорського, 2025) Олексій, Артур Олегович; Верлань, Андрій Анатолійович; Варава, Іван АндрійовичОлексій А. О. Методи та програмні засоби аналізу акустичних сигналів на основі нейромережевих моделей − Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 12 Інформаційні технології за спеціальністю 121 Інженерія програмного забезпечення. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2025. Дисертаційна робота присвячена розробці науково-методичного апарату аналізу акустичних сигналів водного середовища на основі нейронних мереж. Метою дисертаційної роботи є підвищення точності класифікації та підвищення продуктивності обробки при аналізі акустичних сигналів. Об'єктом досліджень є процеси функціонування програмних засобів обробки і аналізу акустичних сигналів. Предметом досліджень є методи, алгоритми та програмні засоби обробки та аналізу акустичних сигналів. Обробка та аналіз акустичних даних підводного середовища є складною та затратною задачею через складні умови навколишнього середовища. Наприклад, стандартні процедури обробки сигналів не впораються з поставленою задачею через фактори, такі як наявність численних джерел шумів, нерівні границі водного каналу, низьке співвідношення сигнал/шум, великий обсяг отриманої інформації тощо. Більшість класичних методів використовують спрощені припущення для зручної математичної обробки, що неухильно призводить до неадекватних результатів. У зв'язку з вищезазначеним виникає потреба в альтернативному підході до обробки підводних акустичних сигналів, яким є нейронні мережі. Вони здатні до асоціативної пам'яті, коли патерни запам'ятовуються та порівнюються з вхідними даними. Вони можуть адаптуватися до навколишнього середовища, регулюючи свої вільні параметри та навіть змінюючи свою структуру чи стратегію розв’язання проблем. Нейронні мережі добре справляються з нечіткою інформацією. Отже, вони мають очевидні переваги перед традиційними методами у галузі розпізнавання образів. Нейронні мережі - це масивно паралельні та розподілені обробники. Вони можуть забезпечити набагато вищу швидкість обчислень, маючи потенціал для реалізації складних обчислень у режимі реального часу. Вони стійкі до збоїв, оскільки складаються з великої кількості нейронів, кожен з яких має переважно локальний зв'язок. Пошкодження декількох нейронів чи їх синаптичних зв'язків не повинно суттєво погіршувати загальну продуктивність. Нейронні мережі, як правило, є нелінійними системами через те, що кожен нейрон у нейронній мережі є нелінійною одиницею обробки. Деякі нейронні мережі є універсальними апроксиматорами в тому сенсі, що вони можуть апроксимувати будь-який неперервний та нелінійний вхід-вихід з будь-якою бажаною точністю. З цих причин нейронні мережі особливо добре справляються з розв'язанням нелінійних задач. У останні роки нейронні мережі успішно використовувалися для обробки підводних акустичних сигналів у багатьох прикладних застосуваннях. Таким чином, нейронні мережі є задовільною технологією для побудови уніфікованого засобу для аналізу інформації, використання якого допоможе досягти високої гнучкості та ефективності, обробки великих обсягів даних та адаптації до зовнішніх умов. Проблеми аналізу акустичних сигналів водного середовища були розглянуті в роботі вчених O'Neill J., Roberts S., Smith, J., Miller, R., Wang, X., Ashraf, H., Song, Y., Chen, J., Liu, J., Liu, C. та українських вчених В. А. П'ятаковича, А. М. Василенка, О. В. Хотинського, А. І. Верланя, Є.М. Мачуський. Робота виконувалась в рамках договору: № Д/020.01/0204.02/58/2020 від 23 грудня 2020 р. між КПІ ім. Ігоря Сікорського та Інститутом Океанографічного Приладобудування Академії наук провінції Шандунь (КНР) про виконання наукової теми “Дослідження інтелектуальних комп’ютерних моделей та алгоритмів аналізу сигналів морського середовища”. Одержані результати запропонованого методу полягають у наступному: Удосконалено метод аналізу акустичних сигналів водного середовища, а саме, класифікації на основі нейронних мереж шляхом застосування багатомасштабної згортки та середнього пулінгу до нейромережі CNN-SOP, що надає можливість підвищити точність класифікації на 3% для датасетів з низьким вмістом фонових шумів та на 9% для датасетів з високим вмістом фонових шумів. Отримав подальший розвиток метод придушення шумів акустичних сигналів водного середовища зашумлених фоновими шумами на основі нейромережі UWAR GAN шляхом зменшення кількості шарів та розміру вхідного тензора, що уможливлює збереження якості придушення шумів, а саме характеристик SNR та RMSE очищеного сигналу, зменшивши тривалість тренування в 10 разів. Вперше запропоновано архітектуру програмного забезпечення аналізу акустичних сигналів водного середовища на основі нейронних мереж, характерною особливістю якої є застосування адаптивного створення нейромережевих моделей, залежно від характеристик вхідних даних, що дає змогу підвищити точність класифікації сигналів з фоновими шумами на 2%. За результатами тестування на різних датасетах акустичних сигналів водного середовища, покращений метод CNN SOP показав кращі результати, а саме вищу точність класифікації. Результати дослідження є вагомим внеском у розвитку теоретичних та практичних дослідженнях аналізу акустичних сигналів водного середовища. Перспективними напрямками подальших досліджень є подальше покращення методу шляхом імплементації та застосування нейромережі для розширення вибірки акустичних сигналів водного середовища та нейромережі для визначення напрямку приходу акустичного сигналу у водному середовищі.