Кафедра штучного інтелекту (ШІ)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра штучного інтелекту (ШІ) за Ключові слова "004.852"
Зараз показуємо 1 - 20 з 22
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Алгоритми сортування з використанням нейронних мереж(КПІ ім. Ігоря Сікорського, 2022-12) Павлюк, Віра; Подколзін, Гліб БорисовичДипломна робота містить 92 с., 19 рис., 8 табл., 1 додаток, 30 джерел. Об’єкт дослідження: одновимірні масиви різної довжини, що містять цілі числа. Мета дослідження: аналіз доцільності та спроможності використання нейронних мереж у задачі сортування даних. Використані моделі: кодери-декодери послідовність-до-послідовності та мережа вказівників, класичні алгоритми сортування. Отриманні результати: виявлено, що мережа вказівників краще впоралась з задачею сортування, ніж послідовність-до-послідовності. Запропонована модифікація механізму уваги для мережі вказівників, який покращує результати роботи моделі. В рамках подальшого дослідження пропонується підвищувати точність моделі, проводити додаткові експерименти з метою мінімізації часу сортування та безпосереднього навчання моделі.Документ Відкритий доступ Визначення емоційного забарвлення голосу за допомогою технік Deep Learning у реальному часі(КПІ ім. Ігоря Сікорського, 2022) Загарницький, Дмитро Валерійович; Шаповал, Наталія ВіталіївнаРобота об’ємом 88 сторінок, яка містить 18 рисунків, 10 таблиць, 22 джерела за переліком посилань та 3 додатки. Метою даної роботи є дослідження сучасних методів визначення емоційного забарвлення голосу та створення моделі для його аналізу у реальному часі. Об’єкт дослідження - аудіозаписи голосів. Предмет дослідження - моделі машинного навчання для визначення емоційного забарвлення голосу у реальному часі. Результатом виконання роботи став детальний аналіз роботи чотирьох моделей глибоко навчання, навчених на даних різної якості. Також було створено програмне забезпечення, яке у реальному часі аналізує емоційне забарвлення голосу, використовуючи одну з натренованих моделей. Ключові слова: Artificial Neural Network, Learning rate, SER, LVA, RNN, LSTM, GRU, CNN, Частота дискретизації, Смуга пропускання, Компандування.Документ Відкритий доступ Визначення приналежності людини до певної раси з використанням штучного інтелекту(КПІ ім. Ігоря Сікорського, 2022) Павловський, Євген Андрійович; Шубенкова, Ірина Анатоліївна,Магістерська дисертація: 71 с., 26 табл., 22 рис., 13 джерел, 1 додаток. Об’єктом дослідження є задача визначення раси людини по фото. Предмет дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та нейронна мережа, побудована на механізмі уваги, моделі штучного інтелекту. Мета дослідження полягає у аналізі фото данних, підборі моделей для прогнозування, реалізації методів прогнозування на основі механізмів штучного інтелекту та вибір найкращого методу. Як результат дослідження було запропоновано та розроблено модель прогнозування даних, що використовує механізми штучного інтелекту, як авторегресійні моделі, нейронні мережі довгої короткострокової пам'яті та модель на основі механізму уваги. Проведено порівняння побудованих моделей та вибрано найкращу за метриками Loss та f1. Результат даної роботи можна застосувати при вирішенні подібних задач короткострокового прогнозування нестаціонарних часових рядів.Документ Відкритий доступ Застосування методів машинного навчання для виявлення психічних захворювань(КПІ ім. Ігоря Сікорського, 2022) Цупрун, Ілля Юрійович; Стусь, Олександр ВікторовичМагістерська дисертація: 127 с., 28 табл., 33 рис., 23 джерел, 1 додаток. Об’єктом дослідження є зібрані дописи користувачів із соцмережі Reddit. Предметом дослідження є підходи та методи машинного навчання та обробки природної мови для вирішення задачі класифікації текстів. Метою даної роботи є створення системи для ідентифікації психічних захворювань на основі дописів користувачів у соцмережах, тобто вирішити задачу класифікації текстів у вказаній предметній області. Методи обробки природної мови в останні роки отримали великий поштовх для розвитку та на сьогоднішній день, їх використання призвело до приголомшливих досягнень у різних сферах, від медицини до науки та розваг. У роботі було описано та використано методи необхідні для розв’язання задачі класифікації тексту, а також оглянуто вже існуючі дослідження, що стосуються даної теми. В результаті було побудовано 8 моделей бінарної класифікації для ідентифікації 8 видів психічних захворювань та досягнуто точності ідентифікації на рівні 70-85% для більшості моделей, що покращує існуючі на сьогоднішній день досягнення у вирішенні посталеної проблеми.Документ Відкритий доступ Зоровий трансформер для задачі класифікації раку шкіри(КПІ ім. Ігоря Сікорського, 2022) Нікітін, Владислав Олегович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 122 с., 24 табл., 20 рис., 64 джерела, 1 додаток. Об’єктом дослідження є набір даних із зображеннями раку шкіри та здорових шкірних утворень. Предмет дослідження – архітектури моделі зорового трансформера для класифікації раку шкіри. Мета дослідження полягає у аналізі архітектури зорового трансформера для задачі класифікації раку шкіри, порівняння отриманої моделі зорового трансформера з аналогічними моделями, що мають згорткову архітектуру, розробка користувацького додатку, що міг би класифікувати запропоноване користувачем зображення утворення на шкірі як ракове чи доброякісне. Розроблена модель підтверджує ефективність зорового трансформера в задачі класифікації раку шкіри. Після порівняння моделі зі згортковою аналогічною моделлю потенціал зорового трансформера, що може розкритися за умови наявності більших обчислювальних потужностей та більшого датасету є очевидним. Запропонована архітектура зорового трансформера здатна ефективно класифікувати зображення та додаток, створений на її основі може бути дієвим інструменти ідентифікації того чи потрібно звернутись до лікаря із шкірним утворенням.Документ Відкритий доступ Методи багатофакторної автентифікації до веб додатків за допомогою штучного інтелекту та технології блокчейн(КПІ ім. Ігоря Сікорського, 2022-12) Славінський, Всеволод Олександрович; Гуськова, Віра ГенадіївнаМагістерська дисертація: 124 с., 22 табл., 24 рис., 23 джерел, 1 додаток. Об'єктом дослідження є мультифакторна авторизація та автентифікація в мережі Web3.0 Предметами дослідження визначено нейронні мережі для розпізнавання облич та блокчейн для роботи з розподіленими ідентифікаторами Мета дослідження полягає у аналізі алгоритмів видачі рекомендацій, що базуються на моделях матричної факторизації, а також алгоритмів, що використовують аппарат мереж глибокого навчання. У роботі розглянуто альтернативні методи авторизації, такі як авторизація через біометрію, а також новітній, автентифікація через блокчейн. Важливість роботи полягає у створенні прикладу використання мультифакторної автентифікації на основі нейронних мереж і блокчейну в мережі Web3.0. Отримані результати надалі можна буде розвинути в самостійну бібліотеку, яку зможуть використовувати незалежні розробники для розроблення своїх додатків в розподіленому інтернеті. Дана робота допоможе зробити систему безпечнішою та зручнішою для користувачів, а також дасть змогу перестати зберігати свої дані у великих корпорацій, таких як Google або Facebook. Результатом дослідження є порівняння існуючих методів авторизації та автентифікації, а також перспективи автентифікації за допомогою блокчейну та біометрії у вебі 3.0.Документ Відкритий доступ Методи навчання без підготовки засновані на вкладені в задачах комп'ютерного зору(2023) Пашнєва, Ольга Миколаївна; Недашківська, Надія ІванівнаМагістерська дисертація: 156 с., 23 табл., 37 рис., 24 джерела, 1 додаток. Об’єкт дослідження – задача класифікації зображень з пов’язаними семантичними ознаками. Предмет дослідження – мережі для задач навчання без підготовки засновані на вкладеннях та оцінка їх ефективності. Мета роботи – Дослідити існуючі підходи до розробки мереж навчання без підготовки, та визначити найбільш ефективні системи для моделювання. В роботі проведено розглянуто проблему появи зображень нових класів, які не були включені до навчання, під час використання класифікатора на практиці. Розглянуті сучасні методи навчання без підготовки для класифікації зображень засновані на вкладеннях. Розроблено програмний продукт для класифікації зображень з семантичними ознаками методом навчання без підготовки. Основні наукові результати та їх новизна. Досліджено продуктивність шести різних сучасних підходів для навчання без підготовки в умовах наближених до практичних. Проведено експерименти, що показують чутливість моделей до різного ступеня шумів в атрибутах та мітках, а також чутливість до зменшення кількості навчальних класів та збільшення кількості тестових.Документ Відкритий доступ Методи прогнозування індексу акцій на основі механізмів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2022) Міщенко, Дарина Вадимівна; Мухін, Вадим ЄвгеновичМагістерська дисертація: 99 с., 26 табл., 29 рис., 25 джерел, 1 додаток. Об’єктом дослідження є задача прогнозування фінансових даних. Предмет дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та нейронна мережа, побудована на механізмі уваги. Мета дослідження полягає у аналізі фінансових данних, підборі моделей для прогнозування, реалізації методів прогнозування на основі механізмів штучного інтелекту та вибір найкращого методу. Як результат дослідження було запропоновано та розроблено модель прогнозування даних, що використовує механізми штучного інтелекту, як авторегресійні моделі, нейронні мережі довгої короткострокової пам'яті та модель на основі механізму уваги. Проведено порівняння побудованих моделей та вибрано найкращу за метриками MAPE, MAE, MSE, R2. Результат даної роботи можна застосувати при вирішенні подібних задач короткострокового прогнозування нестаціонарних часових рядів.Документ Відкритий доступ Моделювання та прогнозування курсу криптовалют GameFi сегменту(КПІ ім. Ігоря Сікорського, 2022-12) Яцько, Яна Віталіївна; Терентьєв, Олександр МиколайовичДипломна робота: 117 с., 28 табл., 23 рис., 3 додатки, 64 джерела. Актуальність теми: останнім часом у світі стрімко розвивається напрямок торгівлі на криптобіржах. Так як ринок є волатильним, потрібно мати інструмент що допоможе аналізувати та приймати рішення з покупки/продажу. Модель прогнозування курсу криптовалют GameFi сегменту допомогає трейдеру планувати покупки/продажі з ціллю отримати прибуток. Рішення допоможе користувачеві проаналізувати криптовалюти в даному сегменті та, спираючись на прогноз, прийняти рішення щодо покупки/продажі криптовалют. Мета даної роботи полягає у дослідженні існуючих рішень в області аналізу динаміки курсу криптовалют, побудови моделей машинного навчання, збагаченя даних та підвищення якості прогонзування курсу криптовалют за помогою бази Twitter та розробці зручного інструменту для аналізу та планування торгів. Об’єктом дослідження є статистичні дані, аналітичні та фінансові звіти, дані публікацій соцмережі Twitter "Twitter User Data". Предметом дослідження є методи аналізу табличних даних, регресійні моделі, гібридні рекурентні нейронні мережі. Отриманні результати – створена програма для візуалізації динамічних характеристик криптовалют, скріпт прогнозування курсу криптовалют, що має високу точність прогнозування (оцінюючи метрикою RMSE). Програмний продукт реалізований мовою програмування Python3.8 у середовищі розробки DataSpell 2022. Для аналізу та побудови моделей було використано середовище Jupyter Notebook. Отримані результати: розроблено простий інтерфейс для аналізу статистичних і динамічних характеристик монет, що включає в себе прогнози на майбутнє (на обрану кількість кроків).Документ Відкритий доступ Оптимізація параметрів та структури гібридних мереж глибокого навчання та їх застосування в задачах прогнозування(КПІ ім. Ігоря Сікорського, 2022) Кузьменко, Олексій Віталійович; Зайченко, Юрій ПетровичМагістерська дисертація: 102 с., 28 табл., 19 рис., 27 джерел, 3 додатки. Об’єктом дослідження є фінансові процеси на ринках цінних паперів та методи їх прогнозування. Предмет дослідження – гібридні мережі глибокого навчання на основі самоорганізації та оцінка їх ефективності в задачах прогнозування на фінансових ринках. Мета дослідження полягає в оцінці точності гібридних мереж глибокого навчання у задачі прогнозування на фінансових ринках, порівнянні їх ефективності на різних інтервалах з нейронною мережею LSTM та визначенні класів задач прогнозування, для яких застосування відповідних обчислювальних інтелектуальних технологій є найбільш перспективним. Запропоновано та розроблено систему для оптимізації параметрів і синтезу структури гібридних мереж глибокого навчання, а також візуалізації результатів навчання та прогнозування. Експериментальним шляхом доведено ефективність запропонованої системи.Документ Невідомий Оптимізація та побудова системи генерування зображень на основі генеративно-змагальних мереж(КПІ ім. Ігоря Сікорського, 2022) Дишкант, Владислав Олегович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 83 с., 23 табл., 13 рис., 6 джерел, 1 додаток. Метою виконання магістерської дисертації є: покращення чинних методів розв'язання задачі генерації зображень методом алгоритму генеративно-змагальним нейронним мережам. Об’єктом дослідження є способи генерації зображень нейронною мережею та розгляд найкращого способу генерації зображень. В магістерській дисертації було виконано наступні задачі: розглянуто існуючінауково-технічну літературу на тему нейронних мереж та теперішні аналоги генерації зображень, алгоритми генерації зображень та визначення найкращих параметрів, які дозволять розв'язувати задачу покращення результатів генерації зображень, створено програмну систему генерації зображень за допомогою нейронних мереж із застосуванням різноманітних методів та алгоритмів. В результаті виконання дипломної роботи створено та оптимізовано систему генерації зображень за допомогою нейронних мереж.Документ Невідомий Прогноз траєкторії учасників дорожнього руху з використанням кількох камер(КПІ ім. Ігоря Сікорського, 2022) Загній, Єгор Васильович; Данилов, Валерій ЯковичМагістерська дисертація: 114 с., 25 табл., 10 рис., 19 джерел, 1 додаток. Об’єктом дослідження є задача прогнозування траєкторій. Предмет дослідження – алгоритми та моделі прогнозування траєкторій. За останні 10 років людство досягло значного успіху у галузі штучного інтелекту. Це стало можливим завдяки значному зростанню обчислюваних потужностей комп’ютерів, завдяки чому з’явилася можливість тренувати великі нейронні мережі. Штучний інтелект вже є частиною звичного життя людей. Одним з напрямком штучного інтелекту є створення автопілотів для машин. Створення автопілоту неможливо без розв’язання задачі розпізнавання машин і пішоходів навколо машини, знаходження відстаней до них, відслідковування переміщення цих об’єктів, побудови карти з висоти пташиного польоту з розміщенням на ній цих об’єктів, та прогнозуванням траєкторій сусідніх машин. Метою роботи є дослідження й порівняння різних методів, моделей, структур нейронних мереж для вирішення кожної з підзадач: розпізнавання об’єктів навколо машини, знаходження відстаней до них, побудови виду з висоти пташиного польоту навколо машини, відслідковування переміщення кожного об’єкта та прогнозування траєкторій об’єктів.Документ Невідомий Прогнозування демографічної ситуації в Україні методами штучного інтелекту(КПІ ім. Ігоря Сікорського, 2022) Іваненко, Назарій Володимирович; Шубенкова, Ірина Анатоліївна,Магістерська дисертація: 65 с., 9 рис., 6 джерел. В роботі досліджується проблема прогнозування демографічної ситуації, а також генетичний алгоритм, за допомогою якого відбувається побудова прогнозів процесів такого типу. В дисертації проводиться огляд методів прогнозування демографічних процесів. Також описано і продемонстровано застосування обраного метода прогнозування та проведено аналіз результатів. В межах магістерської дисертації було розроблено комп’ютерну програму для побудови короткострокових прогнозів. Дана система дозволяє завантажувати, таблично відображати дані, і таблично відображати результати.Документ Невідомий Розпізнавання пожежі за допомогою згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2022) Маркін, Іван Дмитрович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 114 с., 25 табл., 10 рис., 19 джерел, 1 додаток. Об’єктом дослідження є задача розпізнавання об’єктів на наборі зображень. Предмет дослідження – методи обробки зображень та згорткові нейронні мережі для класифікації зображень. Мета дослідження полягає у аналізі алгоритмів класифікації зображень, що базуються на моделях згорткових нейронних мереж, а також алгоритмів, локалізації, розробка власної нейронної мережі. Розроблена згорткова нейронна мережа для вирішення задачі розпізнавання пожежі. Для локалізації пожежі на зображені використано алгоритм Grad-CAM. Проведено порівняння запропонованої нейронної мережі на вибірці зображень з попередньою локалізацією та без.Документ Невідомий Розпізнавання рукописних цифр за допомогою методів квантового машинного навчання(КПІ ім. Ігоря Сікорського, 2023) Чинник, Петро Анатолійович; Недашківська, Надія ІванівнаМагістерська дисертація: 95 с., 29 табл., 24 рис., 26 джерел, 1 додаток. Об’єктом дослідження є задача розпізнавання цифр. Предмет дослідження – згорткова нейромережа, квантова згорткова нейромережа, квантовий метод опорних векторів. Мета дослідження полягає у аналізі квантових методів манишного навчання і класичних методів у задачі розпізнавання цифр, підборі моделей для класифікації, реалізації цих методів та вибір найкращого методу. Як результат дослідження було реалізовано квантові методи машиного навчання і звичайну згорткову нейромережу для задачі класифікації цифр і їх порівняльний аналіз. Проведено порівняння побудованих моделей та вибрано найкращу за метриками accuracy, recall, precision і f1-score. Результат даної роботи можна застосувати у подальшому дослідженні квантових обчислень у задачах штучного інтелекту.Документ Невідомий Розпізнавання стратегічних технічних об'єктів за допомогою згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2022-12) Іванов, Сергій Ігорович; Шубенкова, Ірина Анатоліївна,Дипломна робота: 119 с., 42 рис., 1 додаток, 43 джерел Мета роботи – використати апарат згорткових штучних нейронних мереж для розпізнавання стратегічних технічних об'єктів. Об’єктом дослідження є методи та моделі розпізнавання об’єктів. Пpедметом досліджень є системи розпізнавання стратегічних технічних об’єктів на основі глибоких згорткових нейронних мереж. Актуальність даного методу випливає із стратегічної важливості швидкого та точного розпізнавання, обробки та аналізу візуальної інформації із камер дронів, наземної техніки та об’єктів та інших джерел. Така інформація може бути життєво важливою як у військовій, так і у цивільній сферах, наприклад для журналістики, своєчасного попередження мирних громадян про небезпеку та їх захисту. У даній роботі запропонована модель для розпізнавання стратегічних технічних об'єктів на основі глибоких згорткових нейронних мереж, орієнтована на використання на БПЛА різних класів та за умов значно обмежених обчислювальних ресурсів.Документ Відкритий доступ Розпізнавання фейкових новин, використовуючи методи штучного інтелекту(КПІ ім. Ігоря Сікорського, 2022) Степенко, Богдан Валентичнович; Шубенкова, Ірина АнатоліївнаМагістерська дисертація: 78 с., 19 рис., 32 табл., 37 джерел. Об’єкт дослідження – Методи та моделі ШІ. Предмет дослідження – Системи розпізнавання фейкових новин на основі методів штучного інтелекту. Мета роботи – дослідити та зробити власну модель розпізнавання фейкової інформації, зробити аналіз з найсучаснішими суміжними роботами, що показали найкращий результат. У минулому для виявлення фейкових новин здебільшого використовували класифікаційні та регресійні моделі, в яких вхідними даними були або зміст статті, або шляхи поширення чуток. Однак у цій роботі представлено модель глибокої нейронної мережі на основі двонаправленої довготривалої короткочасної пам'яті (LSTM). Дана робота має неабияку актуальність в сьогодення, а саме у військовий час, коли кожен може отримувати величезну кількість інформації з соціальних мереж, але не кожен вміє її правильно аналізувати чи сприйняти, що може створювати негативні настрої в суспільстві. Проте використовуючи відповідну розробку, наприклад як телеграм бот чи додаток в браузері користувач може побачити певну інформацію як потенційно недостовірну, хоча вона і матиме гучні заголовки.Документ Відкритий доступ Розробка моделей штучного інтелекту для аналізу та формування інвестиційного портфелю(КПІ ім. Ігоря Сікорського, 2022-12) Шевчук, Олексій Сергійович; Кузнєцова, Наталія ВолодимирівнаДипломна робота: 134 с., 10 рис., 12 табл., 1 дод., 11 джерел. Об’єкт дослідження – інвестиційні процеси та портфелі, способи їх аналізу та формування. Предмет дослідження – математичні методи та методи на основі штучного інтелекту для аналізу інвестиційних процесів та формування інвестиційного портфелю. Мета роботи – дослідити існуючі методи формування інвестиційного портфелю, розробити метод формування інвестиційного портфелю на основі штучного інтелекту, порівняти його із класичними методами. Методи дослідження – теорія прийняття рішень при нечіткому відношенні переваги на множині альтернатив, модель Марковіца, мережі Байєса та методи на основі штучного інтелекту. Актуальність – розробка методу формування інвестиційного портфелю на основі штучного інтелекту з метою підвищення прибутковості портфелю та зниження його ризикованості. Результати роботи – було створено і протестовано метод формування інвестиційного портфелю на основі штучного інтелекту, проведено порівняння розробленого методу із класичними. Шляхи подальшого розвитку предмету дослідження – використання нечітких нейронних мереж для розв’язку задачі формування інвестиційного портфелю, використанні інших метрик та різних комбінацій даних, для визначення справжньої ціни акцій.Документ Відкритий доступ Система виявлення аномалій методами інтелектуального аналізу даних(КПІ ім. Ігоря Сікорського, 2022-12) Хомич, Олександр Ростиславович; Недашківська, Надія ІванівнаМагістерська дисертація: 91 с., 24 табл., 18 рис., 24 джерел, 1 додаток. Об’єктом дослідження є задача виявлення аномалій на прикладі часових рядів. Предмет дослідження – нейронні мережі з комірками LSTM, графові нейроні мережі, нейронні мережі з кодувальником-декодувальником, ізоляційний ліс та гібридні підходи. Мета дослідження полягає у аналізі часового ряду, виборі моделей для виявлення аномалій, реалізації методів виявлення аномалій на основі обраних моделей штучного інтелекту та виборі найкращого з них. Як результат дослідження було запропоновано та розроблено метод виявлення аномалій, що використовує механізми штучного інтелекту, як нейронні мережі з комірками LSTM та ізоляційний ліс. Проведено порівняння побудованих моделей та вибрано найкращу за метриками оцінки якості. Результат даної роботи можна застосувати для вирішення подібних задач виявлення аномалій часових рядів.Документ Відкритий доступ Система відстеження погляду в реальному часі для взаємодії з комп'ютером на основі методів глибокого навчання(КПІ ім. Ігоря Сікорського, 2022-12) Гончарук, Олександр Петрович; Недашківська, Надія ІванівнаСтруктура та обсяг роботи. Пояснювальна записка дипломного проєкту складається з чотирьох розділів, містить 19 рисунків, 30 таблиць, 1 додатку та 17 посилань - загалом 100 сторінок. Об’єкт дослідження: система відстеження погляду, що в реальному часі дозволяє передбачати напрямок погляду користувача та ідентифікувати його положення на дисплеї. Предмет дослідження: методи глибокого навчання, згорткові нейронні мережі, обробка зображень. Мета дипломного проєкту: покращення наявних алгоритмів відстеження погляду завдяки використанню методів глибокого навчання. У першому розділі відбувається знайомство з предметним середовищем, розроблення функціональних вимог та сформульовано постановку задачі. У другому розділі описано процес навчання нейронної мережі, розглянуто архітектуру та особливості навчання моделі. У третьому розділі описано особливості системи, розроблену архітектуру та процес взаємодії користувача з нею. У четвертому розділі розглянуто можливість впровадження розробленої системи в якості стартап проєкту. Оцінено ризики, шляхи розвитку та проведено аналіз можливостей.