Бакалаврські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.
Переглянути
Перегляд Бакалаврські роботи (ШІ) за Дата публікації
Зараз показуємо 1 - 20 з 196
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Інтелектуальна система обробки гіперспектральних зображень на основі сходової нейронної мережі(2023) Зелікман, Борис Владиславович; Синєглазов, Віктор МихайловичДипломна робота: 69 ст., 10 рис., 1 додаток, 16 джерел. У роботі розглянуті гіперспектральні зображення, їх особливості та методи попередньої обробки. Також розглянуто топологію сходової мережі та використано її для вирішення задачі класифікації для датасету гіперспектральних зображень. Об’єктом дослідження стали гіперспектральні зображення. Предметом дослідження є використання сходової нейроної мережі для обробки гіперспектральних зображеньДокумент Відкритий доступ Застосування мобільних клієнт-серверних систем оперативного обслуговування(2023) Рагозін, Ілля Олександрович; Коваленко, Анатолій ЄпіфановичДипломна робота: 125 ст., 13 рис, 7 табл., 2 дод., 13 джерел. Об’єкт дослідження - популярні додатки доставки їжі серед мобільного ринку України. Предмет дослідження: застосування клієнт-серверних систем оперативного обслуговування для розробки веб та мобільного додатку доставки їжі. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методик розробки систем доставки їжі з використанням веб та мобільних технологій. У роботі розглядається процес аналізу потреб та вимог користувачів, проектування і розробка веб та мобільного додатку для замовлення та доставки їжі. Наведено огляд сучасних технологій веб-розробки та розробки мобільних додатків, методику їх впровадження та інтеграції з системою замовлення та доставки їжі. Було проаналізовано результати розробки та тестування для вибору оптимального дизайну та функціоналу веб та мобільного додатку. Результатом роботи є розробка архітектури системи доставки їжі з використанням веб та мобільного додатку, що включає в себе можливості замовлення, оплати, відстеження статусу замовлення та взаємодії з кур'єрами та повноцінний адміністративний доступ і інтерфейс для власників ресторанів.Документ Відкритий доступ Напівкероване навчання з використанням сходової нейронної мережі(2023) Захарчин, Надія Романівна; Синєглазов, Віктор МихайловичДипломна робота: 108 ст., 22 рис., 4 табл., 2 додатки, 38 джерел. У роботі розглянуто поняття напівкерованого навчання, його методів, зокрема, сходову нейронну мережу. Проаналізовано топологію сходової мережі та алгоритми з її використання для напівкерованого навчання. Проведено порівняльний аналіз алгоритмів. Об’єктом дослідження стало напівкероване навчання як клас машинного навчання. Предметом дослідження є сходова нейронна мережа та її модифікації у задачі класифікації.Документ Відкритий доступ Класифікація шахрайських онлайн транзакцій з використанням методів штучного інтелекту(2023) Лавріненко, Вероніка Олександрівна; Пишнограєв, Іван ОлександровичДипломнa робота: 85 сторінок, 32 рисунки, 6 таблиць, 1 додаток, 36 джерел. Об’єкт дослідження – класифікація шахрайських онлайн транзакцій методами штучного інтелекту. Покупка товарів чи послуг через інтернет у наш час стала буденністю. Люди мають можливість замовити будь-який товар або послугу скориставшись телефоном чи ноутбуком. Отримання товару таким чином є максимально зручним і доступним. Проте, ця галузь є сприятливою для роботи шахраїв. Платіжні системи зосереджені на боротьбі з зловмисниками, оскільки це прямо впливає на прибуток компаній. Мета роботи – створити якісне рішення, що дозволятиме класифікувати шахрайські онлайн транзакції. Предмет дослідження – математичні методи для попередньої обробки даних, методи штучного інтелекту. Результатом роботи є система, здатна класифікувати шахрайські онлайн транзакції.Документ Відкритий доступ Прогнозування свічкових графіків криптовалют з використанням нейронних мереж(2023) Лисенко, Антон Миколайович; Пишнограєв, Іван ОлександровичДипломна робота: 84с., 42 рис., 7 табл, 2 додатки, 13 джерел. У даній роботі досліджується метод прогнозування криптовалют за допомогою моделі на основі нейронної мережі типу LSTM. Мета роботи – проаналізувати залежність та можливості прогнозування графіка криптовалют та використати набуті знання на реальних даних. Об’єкт дослідження – показники криптовалюти Bitcoin (BTC) за період 2017-2023 року, а саме ринкова ціна, об’єм ринокової торгівлі та кількість транзакцій в день. Предмет дослідження – можливість прогнозування курсу криптовалют. Результатом роботи є програмній продукт виконаний мовою програмування Python в середовищі розробки PyCharm. Побудовано прогноз ринкової ціни криптовалюти Bitcoin на 1 тиждень (24.05.2023-31.05.2023) та перевірена точність прогнозу.Документ Відкритий доступ Дистанційний безконтактний метод визначення деяких біосигналів людини з відео-потоку(2023) Коваль, Максим Дмитрович; Барановська, Леся ВалеріївнаДипломна робота: 86 с., 7 табл., 23 рис., 1 додаток, 19 джерел. Об’єкт дослідження – застосування фотоплетизмографії в охороні здоров’я. Предмет дослідження – методи обробки деяких біосигналів з відео потоку для отримання безконтактної фотоплетизмограми. Мета роботи – розробка програмного забезпечення для визначення показників безконтактної фотоплетизмограми, зокрема систолічного та діастолічного артеріального тиску. Актуальність – розробка неінвазійних дистанційних діагностичних програм для моніторингу серцево-судинної системи людини. Ця робота досліджує та аналізує методи вивчення біосигналів людини з використанням фотоплетизмограми, які є найпоширенішими, і використовує методи машинного навчання для розв'язання проблем регресії. Подальший розвиток предмету дослідження – оптимізація апроксимації артеріального тиску, виходячи з сигналу фотоплетизмограми.Документ Відкритий доступ Використання великих мовних моделей в персоналізованій превентивній медицині XXI століття(2023) Супрунюк, Юлія Володимирівна; Тимошенко, Юрій ОлександровичДана робота присвячена дослідженню можливостей використання великих мовних моделей для покращення персоналізованої превентивної медицини. У роботі розглядається поняття превентивної медицини, її значення та основні принципи. Крім того, досліджується роль великих мовних моделей у покращенні превентивної медицини. Представлено детальний огляд таких моделей, як GPT (Generative Pre-trained Transformer) і Med-PaLM. Описано архітектуру та принципи роботи цих моделей. У роботі також описано архітектуру додатку, який буде допомагати користувачам слідкувати за станом свого здоров'я та надавати персоналізовані рекомендації на основі показників здоров'я. Додаток буде використовувати GPT для аналізу інформації, отриманої від користувачів, та, буде здатний виявляти потенційні ризики, а також рекомендувати заходи з профілактики і покращення здоров'я. Дана робота та її результати буде корисна для людей, які піклуються про своє здоров’я та медичних установ, щоб полегшити роботу з пацієнтами. Потенційний додаток може значно полегшити процес моніторингу стану здоров'я та надавати цінні рекомендації користувачам для підтримки їх загального благополуччя та профілактики захворювань. Загальний обсяг роботи: 84 с., 10 рис., 8 таблиць, 25 джерело.Документ Відкритий доступ Виявлення пошкоджених будівель на супутникових зображеннях(2023) Бірук, Сергій Володимирович; Барановська, Леся ВалеріївнаДипломну роботу виконано на 97 аркушах, вона містить 4 додатки та перелік посилань на використані джерела з 25 найменувань. У роботі наведено 27 рисунків та 9 таблиць. Актуальність теми полягає в тому, що пошкоджені будинки можуть служити індикаторами загального впливу природних або техногенних катастроф на інфраструктуру. Аналіз супутникових зображень дають уявлення про розуміння масштабів шкоди та забезпечення цілеспрямованої відповіді, що зрештою сприяє захисту та необхідної підтримки для цивільного населення у зонах катастрофи. Метою дослідження є переглянути існуючу літературу з аналізу супутникових зображень для оцінки пошкоджень будівель, алгоритмів виявлення об’єктів і згорткові моделі для класифікації зображень руйнувань будинків; по-друге, розробити метод виявлення пошкоджень будівель на супутникових зображеннях за допомогою згоркових мереж, який включає алгоритм виявлення об’єктів та класифікатор; і по-третє, оцінити ефективність запропонованого методу на наборі даних супутникових зображень, що містять будівлі з різним ступенем пошкодження. Об’єктом дослідження є супутникові знімки та будинки на цих зображеннях. Предмет дослідження – різні моделі виявлення об’єктів та класифікації зображень.Документ Відкритий доступ Біометрична автентифікація користувача смартфона за допомогою даних акселерометра(2023) Кагарлицький, Роман Євгенійович; Данилов, Валерій ЯковичДипломна робота: 122 сторінки, 24 рисунки, 14 таблиць, 1 додаток, 39 джерел. Об’єкт дослідження – розробка нейронної мережі для задачі автентифікації користувача смартфона за допомогою даних акселерометра. В наші дні майже у кожної людини є смартфон. Ми використовуємо їх для спілкування, ведення соціальних мереж, для банківських операцій тощо. Для захисту цих пристроїв ми налаштовуємо коди, паролі, шаблони свайпів та біометричні методи, такі як розпізнавання відбитків пальців та обличчя. Це приклади методів одноразової автентифікації; вони ґрунтуються на тому, що після розблокування телефону законним користувачем він буде єдиним, хто зможе ним користуватися, доки телефон не буде повторно заблокований. Традиційні методи автентифікації (перелічені вище) вимагають від користувача виконання певних дій для логування в систему. Це негативно впливає на користувацький досвід, адже змушує користувача виконувати рутинну роботу. Мета цієї роботи полягає в створенні оптимального методу біометричної автентифікації користувача смартфона з використанням даних акселерометра, застосовуючи алгоритми і підходи глибинного навчання. Розробка такого додаткового пасивного рівня захисту зробило б наші смартфони простішими в користуванні, більш захищеними, і при цьому не вимагало б якихось складних постійних обчислень – адже отримати й обробити дані вбудованого в смартфон акселерометра дуже просто в наші дні і це не потребує потужного процесора.Документ Відкритий доступ Створення системи розпізнавання звуків з використанням глибинних нейронних мереж(2023) Герасимчук, Андрій Олегович; Пишнограєв, Іван ОлександровичДипломна робота: 81 с., 21 рис., 6 табл., 2 дод., 23 джерела. Об’єкт дослідження – задача розпізнавання звуків навколишнього середовища. Предмет дослідження – методи розпізнавання звуків навколишнього середовища за допомогою глибинних нейронних мереж. Мета даної роботи полягає у розробці алгоритму, створенні програми та її оцінка як системи розпізнавання звуку на основі нейронних мереж та створеного набору даних. Важливість систем розпізнавання звуку полягає в їхньому потенціалі для покращення автоматизації, взаємодії з користувачем, безпеки, забезпечення інтелектуального прийняття рішень. Результатом дипломної роботи є створення програмного продукту розпізнавання звуків. Програмний продукт реалізовано за допомогою мови програмування Python.Документ Відкритий доступ Автоматизація класифікації стадій сну методами машинного навчання(2023) Деньгуб, Дар’я Сергіївна; Жиров, Олександр ЛеонідовичДипломна робота: 102 ст., 10 табл., 28 рис., 1 додаток, 26 джерел. Об’єкт дослідження – задача оцінювання стадій сну на основі даних полісомнографії. Предмет дослідження – застосування методів машинного навчання для класифікації даних. Метою роботи є реалізація моделі машинного навчання для класифікації стадій сну відповідно до даних полісомнографії. У роботі розглядаються два основні підходи застосування методів машинного навчання для класифікації стадій сну. Перший полягає у використанні апріорних знань про сигнал для вилучення ознак і подальше застосування класифікатора для оцінки фаз сну. Другий базується на використанні згорткових мереж для автоматичного вилучення ознак та класифікації стадій за допомогою повнозв’язних шарів. Результатом роботи є найкраща побудована модель, яка обрана на основі порівняння метрик якості, для вирішення задачі класифікації стадій сну на основі даних полісомнографії.Документ Відкритий доступ Засоби виявлення аномальних дій суб’єктів комп’ютерних систем на основі апарату нейронних мереж(2023) Мухін, Олег Вадимович; Бідюк, Петро ІвановичДипломна робота: 111 с., 36 рис., 9 табл., 2 дод., 33 джерела. Об'єктом дослідження є засоби моніторингу безпеки комп’ютерних систем і мереж та засоби виявлення аномальних дій суб’єктів. Метою даної роботи є дослідження архітектур нейронних мереж, які реалізують виявлення аномальних дій суб’єктів комп’ютерних систем та розробка програмних засобів, які базуються на апараті нейронних мереж і виконують класифікацію дій суб’єктів та виявляють аномальні дії. Використані моделі – використано моделі наступних нейронних мереж: Персептрон, Глибока нейронна мережа, Згорткова нейронна мережа, Рекурентна нейронна мережа та нейронна мережа типу Автоенкодер. Отримані результати – розроблено програмні засоби реалізації нейронних мереж для виявлення аномальних дій суб’єктів комп’ютерних систем та виконано експериментальні дослідження параметрів нейронних мереж, які реалізують виявлення аномальних дій суб’єктів комп’ютерних систем. В рамках подальших досліджень пропонується застосування модифікованих архітектур нейронних мереж, зокрема, з комбінованими щарами для підвищення корекності виявлення несанкціонованих дій суб’єктів комп’ютерних систем.Документ Відкритий доступ Діагностика захворювання дерев методами комп'ютерного зору(2023) Колесник, Віктор Ярославович; Пишнограєв, Іван ОлександровичДипломна робота містить 76 сторінок текстової частини, 25 ілюстрацій, 5 таблиць, 1 додаток, 11 бібліографічних посилання. Об’єкт дослідження: вибірка листків яблунь з різним станом здоров’я. Мета дослідження: розглянути існуючі інструменти для розв’язку задачі комп’ютерного зору; сконструювати набір даних для відповідної задачі, на основі яких моделі навчаться розпізнавати прямі з зображення; конвертувати в додаток для практичної демонстрації роботи моделей. Використані моделі: фреймворк Keras, де будуються моделі згорткових нейронних мереж , фреймворк OpenCV, де будується модель опорних векторів. Отримані результати: побудовано моделі машинного навчання, що повертають клас зображення - стан здоров’я рослини, якій належить вказаний на фото листок; отримано моделі, котрі надалі можна використовувати в сторонніх програмних продуктах. В рамках подальшого дослідження планується вдосконалити модель шляхом побудови більш якісних наборів даних, створити нову модель для розпізнавання більшої кількості рослин та їх хвороб; розробка зручного додатку для практичного використання моделей.Документ Відкритий доступ Створення ефективної україномовної розкладки клавіатури з використанням генетичного алгоритму(2023) Бурков, Антон Олексійович; Чумаченко, Олена ІллівнаДипломна робота: 105 с., 6 табл., 35 рис., 2 додатки, 20 джерел. Об'єкт дослідження – україномовні розкладки клавіатури. Предмет дослідження – оптимізація загальної дистанції, яку проходять пальці під час друку на україномовній розкладці клавіатури. Мета роботи – розробка моделі генетичного алгоритму для створення ефективної розкладки клавіатури. Актуальність роботи пов'язана з неефективністю існуючих україномовних розкладок клавіатури. У дослідженні проводиться аналіз існуючих клавіатурних розкладок для української мови, з урахуванням частотного аналізу використання букв в українській мові. На основі зібраних даних та урахування загальної дистанції, яку проходять пальці під час друку, розробляється математична модель генетичного алгоритму для оптимізації розкладки. Для оцінки ефективності створеної з використанням генетичного алгоритму розкладки проводяться експерименти та порівняння з існуючими розкладками. Результати експериментів демонструють переваги розробленої україномовної розкладки клавіатури.Документ Відкритий доступ Система медичної діагностики на основі методу випадкового лісу(2023) Василенко, Олексій Анатолійович; Синєглазов, Віктор МихайловичДипломна робота: 99 сторінок, 16 рисунків, 3 таблиці, 1 додаток, 22 джерела Предмет дослідження – системи проведення медичної діагностики на основі методу випадкового лісу. Метод дослідження – алгоритм випадкового лісу з важливістю ознак. Мета роботи – дослідити використання методу випадкового лісу в системах медичної діагностики. Представити способи застосування методів штучного інтелекту в сфері медицини. Запропонувати варіант покращеного методу діагностики та вирішення проблеми ефективного використання відомих методів машинного навчання в медичній діагностиці. В ході виконання дипломної роботи було досліджено створення і використання ефективного алгоритму машинного навчання на основі випадкового лісу для класифікації та прогнозування медичних діагнозів. Дослідження фокусувалось на застосуванні методу випадкового лісу до медичних даних і його потенційних перевагах у порівнянні з іншими методами.Документ Відкритий доступ Інтелектуальна система багатокласової класифікації на основі регуляризованого бустінгу(2023) Шелепало, Данило Олегович; Чумаченко, Олена ІллівнаДипломнa робота: 96 сторінки, 12 рисунки, 6 таблиць, 1 додаток, 26 джерела. Метою даної дипломної роботи є розробка та реалізація інтелектуальної системи багатокласової класифікації на основі регуляризованого бустінгу. Робота спрямована на вивчення та вдосконалення методів класифікації для вирішення складних завдань, де необхідно розподілити об'єкти на багато класів. Актуальність теми - багатокласова класифікація є важливим завданням у сфері машинного навчання та аналізу даних. Зростання обсягів даних та складність проблем, що потребують розподілу об'єктів на багато класів, створюють потребу у розробці нових ефективних методів класифікації. Регуляризований бустінг є одним з потужних інструментів, який дозволяє досягти високої точності та здатності до узагальнення. Об'єкт дослідження: Об'єктом дослідження є інтелектуальна система багатокласової класифікації. Предмет дослідження: Предметом дослідження є регуляризований бустінг та його застосування в контексті багатокласової класифікації. В роботі розроблено програмний продукт на мові програмування Python.Документ Відкритий доступ Детекція прямих для генерації TikZ коду(2023) Лобанов, Денис Артемович; Шаповал, Наталія ВіталіївнаДипломна робота містить 86 сторінок текстової частини, 42 ілюстрацій, 7 таблиць, 1 додаток, 11 бібліографічних посилання. Об’єкт дослідження: вибірка прямих. Мета дослідження: розглянути існуючі інструменти для розв’язку задачі; сконструювати набір даних для відповідної задачі, на основі яких нейронна мережа навчиться розпізнавати прямі з зображення; конвертувати в TikZ код, щоб отримати якісний малюнок в PDF файлі. Використані моделі: фреймворк Keras [10], де будується модель згорткової нейронної мережі. Отримані результати: побудовано модель нейронної мережі, що поверне координати кінців прямих, на основі яких повертається TikZ команда, що можна вставити в середу розробки LaTeX. В рамках подальшого дослідження планується вдосконалити модель шляхом побудови більш якісних наборів даних, створити нову модель для розпізнавання інших геометричних фігур: коло, еліпс, прямокутник тощо.Документ Відкритий доступ Автоматизована система вибору алгоритму машинного навчання та оптимізації гіперпараметрів в задачі класифікації(2023) Скорощека, Аліна Олегівна; Кот, Анатолій ТарасовичДипломна робота: 10 рис., 6 табл., 14 джерел. У цьому документі розглянута проблема оптимізації гіперпараметрів в задачі класифікації. Робота присвячена розробці алгоритму напівкерованого машинного навчання, який може використовуватися в багатьох сферах: класифікації тексту, аналізу зображень та відео, виявленні шахрайства, виявленні аномалій, розпізавання мови і багатьох інших. Метою дипломної роботи є розробка автоматизованої системи вибору алгоритму машинного навчання та оптимізації гіперпараметрів в задачі класифікації.Документ Відкритий доступ Прогнозування ціни вживаних автомобілів на основі їх характеристик з використанням алгоритмів машинного навчання(2023) Коваль, Павло Сергійович; Барановська, Леся ВалеріївнаДипломна робота: 120 с., 5 табл., 56 рис., 1 додаток, 18 джерел. Об’єкт дослідження – прогнозування ціни вживаних автомобілів на основі їх характеристик. Предмет дослідження – методи штучного інтелекту, які використовуються для задач прогнозування ціни автомобілів. Мета роботи – проаналізувати предмет дослідження, розробити програмний продукт за допомогою методів штучного інтелекту для визначення ціни автомобіля. Методи дослідження – методи штучного інтелекту: алгоритми машинного навчання, а саме лінійна регресія та випадковий ліс. Актуальність – задача розробки нової системи для покращення процесу оцінки ціни автомобіля. Зменшення витрат на помилкові рішення. Оптимізація роботи автосалонів за рахунок оперативності при оцінці вартості автомобілів. Результати роботи – створено програмний продукт, який використовує методи штучного інтелекту, які можуть бути використані для прогнозування ціни автомобілів. Шляхи подальшого розвитку предмету дослідження – використання більшого набору даних з залученням ринку вживаних автомобілів України, США та Європи. Створення повноцінного графічного інтерфейсу для спрощення роботи користувача з програмою, побудова складнішої та більш точної системи для прогнозування ціни автомобілів.Документ Відкритий доступ Розробка інтелектуальної системи сегментації МРТ зображень з використанням напівкерованого навчання(2023) Степашко, Аліна Юріївна; Синєглазов, Віктор МихайловичДипломнa робота: 112 сторінки, 28 рисунків, 7 таблиць, 1 додаток, 19 джерел. Об’єкт дослідження – сегментація МРТ зображень з використанням напівкерованого навчання. Для роботи було обрано набір даних із зображеннями головного мозку для сегментації їх пухлин. У будь-якого виду раку своєчасна діагностика та лікування є дуже важливими. А у випадку раку головного мозку - надважливим, адже гліома - один із найсмертоносніших видів раку. Мета роботи – створити систему, що визначатиме на зображеннях і виділятиме розташування пухлини. Розроблена система має точно і швидко визначати положення пухлини, що значно полегшить роботу медичного персоналу та пришвидшить призначення необхідного лікування.