Секція. Математичне моделювання та аналiз даних
Постійне посилання зібрання
Переглянути
Перегляд Секція. Математичне моделювання та аналiз даних за Дата публікації
Зараз показуємо 1 - 20 з 26
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Модель розвитку простих органiзмiв з використанням генетичних алгоритмiв та глибинного навчання(КПІ ім. Ігоря Сікорського, 2022) Татенко, В. С.; Орєхов, О. А.Документ Відкритий доступ Застосування генеративно-змагальних мереж для покращення якостi сегментацiї супутникових знiмкiв(КПІ ім. Ігоря Сікорського, 2022) Шкалiков, О. В.; Охрiменко, А. О.; Шумiло, Л. Л.; Куссуль, Н. М.Документ Відкритий доступ Оцiнка ризикiв на основi аналiзу вразливостей за схемою MAUT(КПІ ім. Ігоря Сікорського, 2022) Вусата, А. В.; Смирнов, С. А.; Наказной, П. О.Документ Відкритий доступ Пошук С-ядра у моделi виборчого процесу в умовах кооперацiї, побудованої на основi гри полковника Блотто(КПІ ім. Ігоря Сікорського, 2022) Миронець, М. В.; Терещенко, І. М.Документ Відкритий доступ Аналiз ефективностi методiв машинного навчання для задач розпiзнавання(КПІ ім. Ігоря Сікорського, 2022) Генiцой, П. О.; Куссуль, Н. М.Документ Відкритий доступ Розподiл ресурсiв при протидiї створенню коалiцiї в грi полковника Блотто в умовах кооперацiї(КПІ ім. Ігоря Сікорського, 2022) Мельниченко, А. С.; Терещенко, І. М.Документ Відкритий доступ Задача стерео-зору в умовах хаотичного надходження даних(КПІ ім. Ігоря Сікорського, 2022) Кириленко, I. A.Документ Відкритий доступ Статистичнi виведення в умовах М-недетермiнованостi(КПІ ім. Ігоря Сікорського, 2022) Шкорiнова, О. С.; Рябов, Г. В.; Лавренюк, А. М.Документ Відкритий доступ Asymptotics of geometric characteristics of smooth manifolds in the phase flows(КПІ ім. Ігоря Сікорського, 2022) Navrotskyi, H. V.; Orekhov, O. A.Документ Відкритий доступ Визначення оптимального мiсця розташування нових депо в мережi громадського транспорту(КПІ ім. Ігоря Сікорського, 2022) Iванець, Л. I.; Терещенко, I. М.В данiй роботi розглянуто алгоритм, який дозволяє визначити оптимальне мiсце розташування для нового депо в мережi громадського транспорту серед визначеного набору альтернатив. Алгоритм дозволяє провести всебiчний аналiз впливу вiд впровадження депо на кожнiй з дiлянок. На прикладi тролейбусної мережi Києва показано, як даний метод може бути застосований при ухваленнi управлiнських рiшень.Документ Відкритий доступ Застосування квадратичної ентропiї(КПІ ім. Ігоря Сікорського, 2022) Кучинський, К. О.Ця робота дослiджує поняття квадратичної ентропiї та застосування її для задачi класифiкацiї на деревах рiшень. У ходi даної роботи квадратичну ентропiю було порiвняно з ентропiєю Шеннона для застосування на деревах рiшень.Документ Відкритий доступ Дослiдження умов iснування скалярного добутку(КПІ ім. Ігоря Сікорського, 2022) Гранiк, М. О.; Тищенко, А. М.; Хмельницький, М. О.; Циганкова, О. В.У роботi наведено теоретичне обґрунтування створення алгоритму встановлення значення скалярiв в лiнiйнiй комбiнацiї скалярних добуткiв, при яких лiнiйна комбiнацiя сама є скалярним добутком. Цiннiсть дослiдження полягає у розробцi нового пiдходу до створення математичних алгоритмiв моделювання процесiв.Документ Відкритий доступ Моделi впливу у соцiальних мережах(КПІ ім. Ігоря Сікорського, 2022) Чугай, Д. В.; Смирнов, С. А.У цiй статтi йдеться про математичне представлення поширення впливу у соцiальних мережах. Змiстовно її можна подiлити на 3 частини. У першiй буде введено поняття iндексiв впливу та представлено їхнi види. У другiй частинi статтi йдеться про важливi алгоритми дослiдження соцiальних мереж: лувенський метод та PageRank. Третiй роздiл буде заключним i розкриє типи соцiальних мереж, їхнi особливостi й математичний пiдхiд для їхнього представлення.Документ Відкритий доступ Моделi резонансного керування нелiнiйними гамiльтоновими системами(КПІ ім. Ігоря Сікорського, 2022) Монiна, Н. М.; Смирнов, С. А.; Наказной, П. О.Метою роботи є побудова алгоритмiв оптимального керування цiлком iнтегровними нелiнiйними гамiльтоновими системами. На прикладi модельної задачi проаналiзовано можливiсть застосування методу швидкiсного градiєнта та алгоритму навчання з пiдкрiпленням. Для представлення динамiчних систем було використано змiннi дiя-кут. В роботi виконано теоретичний аналiз збурюючого впливу резонансного керування на обрану систему, створено програмнi реалiзацiї зазначених методiв та проведено комп’ютерне моделювання еволюцiї дослiджуваної системи з побудовою оптимального керування в режимi реального часу.Документ Відкритий доступ Протидiя деструктивним iнформацiйним впливам(КПІ ім. Ігоря Сікорського, 2022) Миронець, А. В.; Терещенко, I. М.Розглянуто задачу протидiї деструктивним впливам на прикладi забезпечення iнформацiйної безпеки суспiльства при швидких структурних змiнах у телевiзiйнiй галузi. Для розв’язання вказаної проблеми запропонована нелiнiйна модель на основi множинного вибору в умовах iнформацiйної протидiї. Взявши за основу дослiдження передвиборчих перегонiв, було проведено моделювання процесiв, що впливають на безпеку.Документ Відкритий доступ Оператори квантової фiзики в дискретних ймовiрнiсних структурах(КПІ ім. Ігоря Сікорського, 2022) Грабовець, А. С.Однiєю з основних моделей, що описують системи бозонiв зi змiнним числом частинок є простiр Фока з визначеними на ньому операторами. Iзоморфiзм Сiгала встановлює вiдповiднiсть мiж простором Фока та простором iнтегрованих з квадратом функцiоналiв вiд гаусового бiлого шуму. В данiй роботi побудовано наближення гаусового бiлого шуму шумом, побудованим на основi бернулiвських випадкових величин. Показано, що елементи бернулiвського шуму слабко збiгаються до вiдповiдних елементiв гаусового бiлого шуму. Доведено аналог формули Динкiна для обчислення моментiв добуткiв елементiв бернулiвського шуму, iснування стохастичної експоненти, загальну формулу для степенiв Вiка та аналог дiаграм Фейнмана для обчислення моментiв добуткiв Вiка для елементiв бернулiвського шуму.Документ Відкритий доступ Тривимiрнi контекстно-вiльнi граматики для розпiзнавання воксельних сцен(КПІ ім. Ігоря Сікорського, 2022) Симонович, Д. С.; Кригiн, В. М.У данiй роботi розглянуто задачу розпiзнавання тривимiрних воксельних сцен. Для її рiшення було взято за основу алгоритм Кока-Янґера-Касамi, який було узагальнено для тривимiрного випадку. Проаналiзовано складнiсть розпiзнавання за допомогою тривимiрних контекстно-вiльних граматик та наведено еврiстику задля зменшення кiлькостi iтерацiй алгоритму. Алгоритм було програмно реалiзовано та перевiрено на практичному прикладi.Документ Відкритий доступ Регресiйнi моделi для дослiдження якостi повiтря(КПІ ім. Ігоря Сікорського, 2022) Залєська, О. М.; Яйлимова, Г. О.За допомогою моделей авторегресiї i ковзного середнього побудовано прогноз концентрацiї забруднюючих частинок в атмосферi на основi даних про якiсть повiтря у мiстi Києвi. Для цього було дослiджено залежностi мiж рiзними ознаками набору даних, здiйснено попередню обробку та аналiз даних, обрано модель i реалiзовано її, а також оцiнено якiсть цiєї моделi.Документ Відкритий доступ Огляд нейромережевих пiдходiв для аналiзу акустичних сигналiв водного середовища(КПІ ім. Ігоря Сікорського, 2022) Олексiй, А. О.; Верлань, А. А.У данiй роботi проаналiзовано нейромережевi моделi, що можуть бути застосованi для класифiкацiї гiдроакустичних сигналiв, а саме: кооперативний метод глибокого навчання, модифiкована мережа LeNet, розрiджений складений автоенкодер з багатодоменним набором характеристик, багатошаровий персептрон, навчений з використанням алгоритму рою сальпiв.Документ Відкритий доступ Generating stereo images using neural radiance fields(КПІ ім. Ігоря Сікорського, 2022) Kolodiazhna, O. O.; Uss, M. L.Stereo matching is one of the core technologies in computer vision, which aims to recover 3D structures of real world from 2D images. Deep stereo networks are one of the best methods to achieve good correspondences between images in stereo pairs. While there are many available datasets for monocular depth estimation, amount of stereo datasets for training supervised deep neural networks is limited. In this work, we analyze two different methods to obtain stereo images from a single RGB image: Neural Radiance Fields (NeRF) and Stereo from Mono algorithm. The results show that the first method can lead to more accurate solution than the algorithm based on pixels manipulations.