Навчально-науковий інститут прикладного системного аналізу (НН ІПСА)
Постійне посилання на фонд
Переглянути
Перегляд Навчально-науковий інститут прикладного системного аналізу (НН ІПСА) за Ключові слова "004.021"
Зараз показуємо 1 - 3 з 3
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Адаптивна індексна структура бази даних для точкового пошуку за допомогою підходів машинного навчання(2018) Михалько, Віталій Геннадійович; Петренко, Анатолій ІвановичЗагальний обсяг роботи: 82 сторінки, 16 ілюстрацій, 30 таблиць, перелік посилань із 31 найменування. Актуальність теми. Внаслідок стрімкого зростання обсягів даних, використання традиційних підходів для пошуку інформації у цих даних стає неефективним. Більшість індексних структур, які використовуються для пошуку, були розроблені доволі давно та не враховують реальні розподіли даних. Темою дослідження є застосування методів машинного навчання для побудови нового класу індексних структур для точкового пошуку, що будуть враховувати особливості даних. Зважаючи на те, що такі структури є адаптивними, вони можуть бути значно ефективнішими з точки зору використання пам’яті. Мета та задачі дослідження. Метою даної роботи є пошук шляхів побудови більш ефективних індексних структур за допомогою підходів машинного навчання. Задачею дослідження є реалізація адаптивної індексної структури для точкового пошуку, що враховує розподіл даних та показує кращі результати по використанню пам’яті в порівнянні з класичними індексними структурами. Вирішення поставлених завдань та досягнуті результати Було запропоновано два типи адаптивних індексних структур для точкового пошуку з використанням підходів машинного навчання. Одна з них працює на основі лінійної регресії, а інша на основі нейронної мережі з одним прихованим шаром. Роботу зазначених адаптивних індексних структур було апробовано на двох наборах даних. На одному з них вони показали значно кращі результати по ефективності використання пам’яті в порівнянні з класичними альтернативами, а другому наборі результати виявились дещо гіршими. Об’єкт дослідження. Індексні структури в базах даних. Предмет дослідження. Методи машинного навчання для побудови адаптивних індексних структур для точкового пошуку. Методи дослідження. Досліджується використання лінійної регресії та нейронних мереж для вирішення задачі вивчення розподілу даних. Розроблене рішення використовує сучасні підходи машинного навчання, методи покращення точності, а також бібліотеки для тренування і застосування моделей. Наукова новизна. В даній роботі, на відміну від попередніх, для побудови адаптивних індексних структур були використані інші моделі машинного навчання, які є більш простими та ефективними в плані обчислень. Зокрема, були використані лінійна регресія та нейронна мережа з одним прихованим шаром. В цілому, адаптивні індексні структури, побудовані на базі цих моделей моделей, є більш ефективними внаслідок меншого ступеня складності. Але, з іншого боку, вони гарно працюють не на всіх розподілах даних. Практичне значення одержаних результатів. Розроблені індексні структури показують більш ефективне використання пам’яті на деяких наборах даних, тому, за умови подальшого вдосконалення, вони можуть бути інтегровані у сучасні бази даних. Крім цього, отримані результати підтверджують загальну ідею доцільності використання машинного навчання для заміни класичних індексних структур.Документ Відкритий доступ Метод фотограмметрії дорожньої обстановки(2018) Краснощок, Ілля Олександрович; Данилов, Валерій ЯковичДисертацію виконано на 84 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 41 найменувань. У роботі наведено 42 рисунки та 20 таблиц. Актуальність теми. На сьогоднішній день у світі спостерігається суттєве зростання інтересу до створення штучного інтелекту. Вже планується і вже частково впроваджено системи, які керують автомобілем без участі водія. Основним елементом даних систем є аналіз дорожньої обстановки, який, в основному, проводиться за допомогою пари стерео камер. Для вивчення положень об’єктів, їх параметрів використовується методи фотограмметрії, а саме стереофотограмметрія. За допомогою неї можна оцінювати відстань до об’єктів навколишнього середовища, дізнатися координати об’єкта в трьох вимірному просторі. Саме знаючи відстань до об’єктів, що оточують автомобіль, можна правильно прийняти рішення про подальший рух автомобіля, правильно здійснювати керування транспортним засобом, можливість прогнозувати подальший рух об’єктів та корегувати власну траєкторію руху. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри Математичних методів системного аналізу Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка методу оцінки положення об’єктів дорожньої обстановки за допомогою методів фотограмметрії. Для досягнення вказаної мети було розв’язано такі задачі: провести аналіз методу фотограмметрії; провести аналіз основних проблем обробки фотографій для визначення невідповідності; розробити метод для оцінки глибини дорожньої обстановки; розробити систему для побудови карт глибини дорожньої обстановки зі стерео пар. Об’єктом дослідження є дорожня обстановка. Предметом дослідження є метод фотограмметрії. Методи дослідження. Для розв’язання задачі використовувалися методи стереофотограмметрії (для розробки моделі побудови карти відстаней); методи оптимізації (для надання необхідної точності обраної моделі); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів); методи теорії ймовірності та математичної статистики (для проведення оцінки якості запропонованої моделі). Наукова новизна одержаних результатів. Удосконалено модель дорожньої обстановки, яка, на відміну від існуючих, більш точно підраховує відстань до оточуючих об’єктів дорожньої обстановки. Практичне значення одержаних результатів. Запропоновано метод, який може бути використано як помічник водію під час руху автомобіля або для руху автомобіля без участі водія. Розроблений метод, математичне та програмне забезпечення дозволяють швидко та якісно отримувати карту глибини дорожньої обстановки. Публікації. Результати дисертації викладено в у міжнародному науковому журналі.Документ Відкритий доступ Мультиагентна система маршрутизації на основі алгоритмів пошуку найкоротшого шляху в графі(2018) Тішков, Максим Олегович; Тимощук, Оксана ЛеонідівнаМагістерська дисертація: 145 с., 45 рис., 24 табл., 2 додатки, 25 джерел. Дана робота присвячена дослідженню проблем побудови маршрутів на графах реальних доріг та створенню мультиагентної системи для маршрутизації та створення відповідного графу. В роботі досліджується можливість створення графу доріг з наявних картографічних даних, створюється граф доріг Києва, розглядаються існуючі методи пошуку оптимальних маршрутів на графах, реалізовуються 3 алгоритми та порівнюються результати їх роботи. Метою даної роботи є побудова мультиагентної системи, що дозволить створювати графи доріг за даними сервісу OpenStreetMap та виконувати пошук маршрутів будь-якої складності на побудованих графах за допустимий час. Об’єктом дослідження є побудова мультиагентної системи маршрутизації на основі алгоритмів пошуку маршруту. Предметом дослідження є алгоритми пошуку маршрутів на графах. Практична цінність: Розроблена система може слугувати веб-сервісом для мобільних додатків та веб сайтів та надавати можливості роутингу.