Кафедра обчислювальної техніки (ОТ)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра обчислювальної техніки (ОТ) за Ключові слова "004.052.42"
Зараз показуємо 1 - 4 з 4
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Метод стиснення зображення на основі нейронної мережі(КПІ ім. Ігоря Сікорського, 2021-05) Василенко, Дмитро Євгенійович; Гордієнко, Юрій ГригоровичРобота складається із вступу та чотирьох розділів. Загальний обсяг роботи: 86 аркушів основного тексту, 42 ілюстрацій, 12 таблиця. При підготовці використовувалася література з 42 різних джерел. Актуальність. З розвитком мережевих технологій кількість даних що використовуються у повсякденному житті кожним із нас зростає із неймовірною швидкістю, за нещодавніми дослідженнями за останні 20 років людство згенерувало більше інформації ніж за все своє існування, що ставить перед нами задачу ефективного способу збереження та передачі даних як одну із найпріорітетніших в даний момент. Особливо важливим типом інформації є зображення і вміння його ефективно зберігати та передавати надає неймовірні можливості людству, проте останні роки ми користувалися лише класичними алгоритмами для стискання зображення. Отже використання нейронних мереж у даній сфері фактично може відкрити нові раніше не бачені горизонти що дозволяють нам перейти на нову ланку у розвитку технологій компресії. Мета і завдання дослідження. Метою магістерської роботи є створення та розвиток способів покращення характеристик методу компресії зображення що базується на основі нейронної мережі. Для досягнення поставленої магістерською роботою мети було поставлено й вирішено наступні завдання: ● дослідження поняття зображення та його структури й існуючих сучасних форматів різних типів; ● глибоко розглянуті існуючі методи компресії зображення із втратами та без втрат; ● розглянуто існуючі методи компресії зображення із використання нейронних мереж; ● проаналізовано та покращено існуючий метод глибокої компресії зображення що базується на основі квантування даних зображення у каналах; ● проілюстровано роботу моделі та проаналізовано результати створеного покращеного варіанту нейронної мережі відносно оригінального дослідження; Об’єкт дослідження. Метод стиснення зображення на основі нейронної мережі Предмет дослідження. Ефективність роботи методу компресії зображення та шляхи її покращення Методи досліджень. Для досягнення поставлених в магістерській роботі задач, було використано методи машинного навчання та тренування нейронних мереж. Наукова новизна проведеного дослідження забезпечена наступними пунктами: ● було запропоновано новий блок нейронної мережі що є складовою кодувальника у підході до глибокої компресії зображення. ● розроблено та доповнено програмний продукт нейронної мережі для забезпечення поставленої задачі. ● тренування проведено на хмарному провайдері Microsoft Azure. Особистий внесок здобувача. Магістерське дослідження є самостійно виконаною роботою, в якій відображено особистий авторський підхід та особисто отримані теоретичні та прикладні результати, що відносяться до вирішення задачі глибокої компресії зображення з допомогою нейронної мережі. Формулювання мети та завдань дослідження проводилось спільно з науковим керівником. Практична цінність. Отримані результати можуть бути вільно використані у мабутніх дослідженнях за напрямками: ● машинне навчання ● глибока компресія зображення ● компресія зображення нейронними мережами Публікації. Результати дослідження, яке було виконано в рамках дисертації, були представлені на наступних конференціях, та опубліковані в збірниках доповідей цих конференцій: 1. D. Vasylenko, S. Stirenko, Y. Gordienko, Deep Image Compression System for the Better Rate-Distortion Performance, The International Conference on Security, Fault Tolerance, Intelligence (ICSFTI2021 Online), Kyiv, Ukraine. 2. D. Vasylenko, S. Stirenko, Y. Gordienko, Improvement of Image Compression Performance by Deep Neural Networks, IEEE 19th International Conference on Smart Technologies (EUROCON-2021), Lviv, Ukraine.Документ Відкритий доступ Метод та засоби відновлення даних в системах їх віддаленого зберігання з використанням лінійних надлишкових кодів(КПІ ім. Ігоря Сікорського, 2021-05) Дорошенко, Лариса Юріївна; Марковський, Олександр ПетровичРобота складається із вступу та 4 розділів. Сумарний об’єм роботи: 89 аркушів тексту, 9 ілюстрацій та 3 таблиці. Для магістерської дисертації було використано літературу з 65 різноманітних джерел. Актуальність. Поява хмарних технологій докорінно змінила способи довготривалого зберігання і розповсюдження інформації. Надійність є невід’ємним елементом збереження даних на віддалених носіях. Для підвищення надійності інформацію розбивають на частини та зберігають на різних віддалених носіях. Відновлення втраченої інформації відбувається за рахунок неушкоджених частин даних. Одним із відомих методів є резервування. Ефективність резервування досягається балансом між надійністю збереження даних, швидкістю їх відновлення та об’ємом резервної інформації. Отже, задача підвищення ефективності відновлення втраченої інформації, що зберігається на віддалених носіях, та створення методу резервування даних, що відповідають сучасним вимогам, є актуальною з сучасним розвитком хмарних технологій та за поширеного використання сервісів віддаленого збереження інформації. Мета і завдання дослідження. Мета магістерської роботи полягає в підвищенні ефективності відновлення блоків даних за рахунок урахування їх важливості, шляхом збільшення ймовірності відновлення більш важливих блоків за умови, що кількість втрачених блоків перевищує поріг гарантованого відновлення. Для досягнення поставленої мети в магістерські дисертації вирішуються такі задачі: 1. Аналіз особливостей сучасного та перспективного стану розподіленого віддаленого зберігання даних користувачів з використанням хмарних технологій, обґрунтування критеріїв ефективності відновлення втраченої інформації, яка зберігається на віддалених сховищах. Аналітичний огляд існуючих методів резервування та відновлення втрачених даних, виявлення можливостей підвищення їх ефективності, а також визначення напрямків досліджень. 2. Розробка методу відновлення втрачених даних, який відрізняється від відомих тим, що дозволяє враховувати інформаційну важливість окремих блоків даних шляхом побудови матриці формування резервних блоків. 3. Розробка способу прискореного відновлення втрачених при віддаленому зберіганні блоків даних шляхом використання спеціальних таблиць. 4. Розробка програмних засобів для реалізації розробленого методу резервування та відновлення втрачених при віддаленому зберіганні блоків даних, а також імітаційного та статистичного моделювання його функціонування. 5. Теоретичне та експериментальне дослідження ефективності розробленого методу. Об’єкт дослідження – процеси резервування та відновлення інформаційних блоків при їх рознесеному зберіганні на віддалених сховищах з використанням хмарних технологій. Предмет дослідження – методи формування резервних блоків і методи відновлення втрачених інформаційних блоків з використанням резервних даних. Методи досліджень базуються на теорії ймовірності та математичної статистики, теорії лінійних кодів, методах організації резервування, а також на використанні методів імітаційного та статистичного моделювання. Наукова новизна одержаних результатів роботи. Розроблено метод відновлення втрачених при віддаленому зберіганні даних, який відрізняється від відомих тим, що дозволяє враховувати інформаційну важливість окремих блоків даних шляхом побудови матриці формування резервних блоків з використанням пріоритетів, що забезпечує підвищення ймовірності відновлення більш важливих блоків при зменшенні ймовірності реконструювання менш важливих за умови, що кількість втрачених блоків перевищує поріг гарантованого відновлення. Практична значимість результатів дослідження визначається тим, що воно направлено на урахування особливостей реальних систем віддаленого зберігання інформації в хмарах з урахуванням важливості даних. Управління резервуванням даних здійснюється на рівні користувача, що дозволяє адаптувати систему резервування та відновлення до потреб користувача. В комплексі з спеціальною організацією розміщення даних користувачів на сховищах та моніторингом доступності даних, застосування цього методу дозволяє звести практично до нуля ймовірність їх втрати. Апробація результатів дисертації. Основні результати дисертації доповідались та обговорювались на 4-х міжнародних науково-технічних конференціях: 1. Міжнародна наукова конференція “Security, Fault Tolerance, Intelligence: ICSFTI2019”. м.Київ, 14-15 травня 2019 р. 2. Міжнародна наукова конференція “Science and Technology of the XXI Century” м.Київ, 17 грудня 2020 р. 3. ІІ-га Міжнародна науково-практична конференція “Наука та концепції”. м.Київ, 29-30 квітня 2019 р. 4. ІІІ-тя Міжнародна науково-практична конференція “Наука та концепції”. м.Київ, 14-15 травня 2020 р. Публікації. Основні положення магістерської дисертації опубліковані в 4 наукових працях, серед яких всі – матеріали наукових конференцій. 1. Doroshenko L. Organization of Reservation and Reconstruction of Data / Doroshenko L., Markovskyi O., Honchar A. // International Conference ICSFTI2019 (Kyiv, May 14−15, 2019). Kyiv, 2019. P. 29-34. 2. Doroshenko L. Organization of Data Recovery when Storing in the “Clouds” / Doroshenko L. // Proceedings of the XXІ International Students R&D Online Conference (Kyiv, 17 December, 2020). Kyiv, 2020. P. 29-31. 3. Дорошенко Л.Ю. Метод резервування даних з використанням лінійних відновлюючих кодів / Л.Ю. Дорошенко, В.Ю. Куц // Матеріали ІІ міжнарод. наук.-практ. конф. Наука та концепції: (м. Київ, 29-30 квіт. 2019 р.). Київ, 2019. С. 19-22. 4. Дорошенко Л.Ю. Організація відновлення даних при їх зберіганні в хмарах / Л.Ю. Дорошенко, О.В. Русанова, В.Ю. Куц // Матеріали ІІІ міжнарод. наук.-практ. конф. (м. Київ, 14-15 трав. 2020 р.). Київ, 2020. С. 33-37.Документ Відкритий доступ Метод та засоби тестування криптографічних алгоритмів на основі булевих перетворень(КПІ ім. Ігоря Сікорського, 2021-05) Дорошенко, Анна Юріївна; Марковський, Олександр ПетровичРобота складається із вступу та 4 розділів. Загальний об’єм роботи: 81 аркушів основного тексту, 4 ілюстрації, 5 таблиць, додатки. Для виконання магістерської дисертації було використано інформацію з 54 літературного джерела. Актуальність. Розвиток інформаційної інтеграції дозволив вивести обробку великих об’ємів інформації на якісно новий вищий рівень. Як наслідок, ці можливості сприяли загостренню проблеми захисту даних. Широкий клас сучасних механізмів захисту інформації базується на використанні криптографічних методів, функціональною основою яких є незворотні булеві перетворення. У свою чергу, оцінка нелінійності булевих перетворень є важливою складовою тестування стійкості до зламів алгоритмів захисту інформації. Одним із очевидних способів підвищення криптостійкості алгоритмів є використання булевих перетворень від більшої кількості змінних. Це призводить до ускладнення процесу їхнього тестування, оскільки виникає багатократне збільшення потрібного на це часу. Зазначені вище чинники роблять задачу створення нових методів прискореного тестування сучасних криптографічних алгоритмів на основі незворотних булевих перетворень актуальною та нагальною на сьогоднішній день. Мета і завдання дослідження. Метою магістерської дисертації є підвищення ефективності тестування криптостійкості до зламів алгоритмів захисту інформації, що мають за основу булеві перетворення, шляхом прискорення процедури визначення їх нелінійності. Для досягнення поставленої мети було поставлено та вирішено такі завдання: • виконання огляду методів тестування криптографічних алгоритмів. • аналітичний аналіз та порівняння існуючих методів прискорення визначення нелінійності булевих перетворень. • розробка, теоретичне обґрунтування та дослідження нового методу підвищення ефективності тестування криптографічних алгоритмів на основі булевих перетворень. • розробка програми на мові Rust для дослідження розробленого методу шляхом експериментального моделювання. • порівняння розробленого методу з існуючими методами визначення нелінійності та оцінка ефективності запропонованого методу. Об’єкт дослідження – криптографічні алгоритми, основою яких є нелінійні булеві перетворення. Предмет дослідження – методи прискореного тестування нелінійності булевих перетворень. Методи досліджень базуються на основних положеннях теорії булевих функцій, криптографії, теорії ймовірностей, теорії оптимізації та динамічного програмування, основні положення статистичного моделювання. Для експериментального дослідження використовувалися методи комп’ютерного моделювання. Наукова новизна одержаних результатів роботи полягає у наступному: Теоретично обґрунтовано, розроблено та досліджено метод прискореного визначення нелінійності булевих перетворень, який відрізняється від відомих використанням динамічного програмування для побудови лінійних апроксимацій, за рахунок чого досягнуто прискорення визначення нелінійності булевих перетворень від великої кількості змінних. Особистий внесок здобувача полягає в теоретичному обґрунтуванні одержаних результатів, їх експериментальній перевірці та дослідженні, а також у створенні програмних продуктів для практичного використання одержаних результатів. Практична цінність отриманих в магістерській дисертації результатів полягає в тому, що вони дозволяють прискорити процес тестування криптостійкості криптографічних алгоритмів та збільшити надійність оцінок здатності протистояти лінійному криптоаналізу. Апробація результатів дисертації Основні результати дисертації доповідались та обговорювались на 3-х міжнародних науково-технічних конференціях: 1. Міжнародна наукова конференція “Security, Fault Tolerance, Intelligence: ICSFTI2019”. м.Київ, 14-15 травня 2019 р. 2. ІІ-га Міжнародна науково-практична конференція “Наука та концепції”. м.Київ, 29-30 квітня 2019 р. 3. Міжнародна наукова конференція “Security, Fault Tolerance, Intelligence: ICSFTI2020”. м.Київ, 13 травня – 15 липня 2020 р. Публікації Основні положення магістерської дисертації опубліковані в 4 наукових працях, серед яких три – матеріали наукових конференцій та одна – стаття у фаховому журналі. 1. Doroshenko A. Acceleration of boolean transformations nonlinearity testing for cryptographic algorithms / Anna Doroshenko, Oleksandr Markovskyi // International Conference ICSFTI2019 (Kyiv, May 14−15, 2019). Kyiv, 2019. – P. 35-40. 2. Rusanova O. Energy-aware task scheduling algorithm for mobile computing / Olga Rusanova, Igor Boyarshin, Anna Doroshenko // International Conference ICSFTI2020 (Kyiv, May 13, June 15, 20120). Kyiv, 2020. – P. 107-113. 3. Дорошенко А. Ю. Метод прискореного тестування нелінійності булевих перетворень криптографічних алгоритмів / А.Ю. Дорошенко, В.Ю. Куц // Матеріали ІІ міжнарод. наук.-практ. конф. Наука та концепції: (м. Київ, 29-30 квіт. 2019 р.). Київ, 2019. – С. 15-18. 4. Boyarshin I. Request balancing method for increasing their processing efficiency with information duplication in a distributed data storage system / I. Boyarshin, A. Doroshenko, P. Rehida // Technical sciences and technologies. – 2021. – № 2 (26).Документ Відкритий доступ Спосіб побудови інтелектуальних мобільних систем(КПІ ім. Ігоря Сікорського, 2021-05) Глушенок, Валерій Олегович; Корочкін, Олександр ВолодимировичРобота складається із вступу та 4 розділів. Сумарний об’єм роботи: 111 аркушів тексту, 17 ілюстрацій та 1 таблиці. Для магістерської дисертації було використано літературу з 23 різноманітних джерел. Актуальність. Інтелектуальні мобільні системи все частіше використовуються людиною для вирішення задач різноманітного характеру. Кожного дня розроблюються та виходять у світ нові системи, які були побудовані схожими, проте різними способами. Основною проблемою є відсутність добре інтерпретованого способу для побудови інтелектуальних мобільних систем з використанням комп’ютерного зору та штучного інтелекту для орієнтування та взаємодії з навколишнім середовищем. Мета і завдання дослідження. Мета магістерської роботи полягає в досліджені основних моментів, що стосуються способу побудови інтелектуальних мобільних систем, що будуть виконувати наперед визначені дії в залежності від інформації про навколишнє середовища, а саме дії системи будуть пов’язані з наявністю окремо виділених ознак об’єктів, таких як їх колір, форма, розмір, орієнтація, положення. Ознаки можуть бути поєднані в одному предметі та мати одне значення або сприйматися як окремі за типом й мати інше значення. До наперед визначених дій також можна віднести запобігання ушкоджень інтелектуальної системи, які можуть виникнути в процесі експлуатації, а саме програмно-апаратний комплекс має вимірювати відстань до найближчих перешкод і температуру на борту, та орієнтуватися в просторі. Інтелектуальна мобільна система, побудована згідно запропонованого нами метода має змогу виконувати наступні задачі: • Пошук штучних міток, складених із забарвлених геометричних фігур; • Пошук природних великих орієнтирів у приміщенні (двері, стіни, вікна, і так далі); • Організація руху робота в приміщеннях на основі аналізу орієнтирів; • Аналіз дорожніх сцен; • Переслідування тіл або предметів; • Слідувати наперед заданого курсу, при наявності перешкод; • Уникнення зіткнень з перешкодами • Запобігання пошкоджень апаратної частини. Об’єкт дослідження – процеси збору, аналізу, обробки та зберігання вхідної інформації в режимі реального часу з використанням алгоритмів для прийняття рішень, щодо подальших дій для виконання заданих задач. Предмет дослідження – методи орієнтації в просторі та засоби комп’ютерного зору Методи досліджень базуються на використанні бібліотеки комп’ютерного зору з відкритим вихідним кодом OpenCV, а також програмних блоків збору даних, обробки даних та прийняття рішень. Наукова новизна одержаних результатів роботи полягає у наступному: В роботі використано технології комп’ютерного зору для специфічних задач детекції та розпізнання візуальних характеристик предметів, а саме поєднано та скомбіновано методи трекінгу об’єктів (на основі алгоритмів обрахунку оптичного потоку), розпізнання форми областей за виділеним відтінком, методи сегментації з бібліотеки OpenCV. Також було використано власні методи для орієнтування в навколишньому середовищі на основі даних отриманих від вхідних пристроїв в реальному часі. Запропоновано метод для побудови інтелектуальних мобільних систем, який має наступні переваги: метод є методом широкого призначення, а отже система зможе виконувати декілька задач, низька вартість розробки та реалізації, як матеріальних ресурсів так і людських, значний рівень інформаційної безпеки з можливістю удосконалення, а також відмовостійкості, завдяки аналізу вхідних даних та відсічені складових системи, якщо дані будуть некоректні. Практична значимість результатів дослідження визначається тим, що вони може бути корисні для побудови інтелектуальної мобільної системи, як повністю, так і частково, яка може бути використана для автоматизації буденних справ, шпигунства, здійснення відеоспостереження, проведення операцій під час бойових дій. Апробація результатів дисертації. Основні результати дисертації доповідались та обговорювались на 3-х міжнародних науково-технічних конференціях: 1. Міжнародна наукова конференція “Security, Fault Tolerance, Intelligence: ICSFTI2021”. м.Київ, 12 травня 2021 р. 2. Міжнародна наукова конференція “Science and Technology of the XXI Century” м.Київ, 17 грудня 2020 р. 3. І-ша Міжнародна спеціалізована наукова конференція “Сучасні напрямки розвитку автоматизації, транспортних систем, технічних та комп’ютерних наук” м.Полтава, 30 квітня 2021 р. Публікації. Основні положення магістерської дисертації опубліковані в 4 наукових працях, серед яких всі – матеріали наукових конференцій. 1. Hlushenok V. Method of building intellectual mobile systems / Hlushenok V., Korochkin O. // International Conference ICSFTI2021 (Kyiv, May 12, 2021). Kyiv, 2021. 2. Hlushenok V. Artificial intelligence based on OpenCV computer vision/ Hlushenok V. // Proceedings of the XXІ International Students R&D Online Conference (Kyiv, 17 December, 2020). Kyiv, 2020. P. 44-45. 3. Hlushenok V. Self-propelled device with artificial intelligence / Hlushenok V. // Proceedings of the XXІ International Students R&D Online Conference (Kyiv, 17 December, 2020). Kyiv, 2020. P. 41-42. 4. Глушенок В.О. Спосіб побудови інтелектуальних мобільних систем / Глушенок В. О. // Матеріали І міжнарод. спец.-наук. конф. Сучасні напрямки розвитку автоматизації, транспортних систем, технічних та комп’ютерних наук: (м. Київ, 30 квіт. 2021 р.). Київ, 2021. С. 82-88.