Кафедра математичного моделювання та аналізу даних (ММАД)
Постійне посилання на фонд
Сайт кафедри: http://mmda.ipt.kpi.ua/
Переглянути
Перегляд Кафедра математичного моделювання та аналізу даних (ММАД) за Ключові слова "004.94; 517.9:519.6"
Зараз показуємо 1 - 5 з 5
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Гібридизація методів ройового інтелекту для знаходження розв’язків оптимізаційних задач(КПІ ім. Ігоря Сікорського, 2024) Литовченко, Микита Віталійович; Хайдуров, Владислав ВолодимировичКваліфікаційна робота містить: 73 сторінку, 12 рисунків і 27 джерел. На використанні математичних методів оптимізації, у продуктах що використовують штучний інтелект, не закінчується використання математичної оптимізації, для різних задач використовують різні методи які навіть поділені на різні види та класи. Бо як відомо жоден метод не може однаково добре працювати абсолютно для всіх задач, і в будь-якому разі для цього потрібно буде або модифікувати метод, або ж гібридизувати (об’єднувати) два чи більше методів разом, щоб отримати новий метод який зможе впоратися з поставленою задачею, і якраз ця методика гібридизації розглянута в цьому дослідженні. Початок цієї роботи сфокусований на отримання представлення та розуміння про існуючі методи, а саме евристичні методи оптимізації що дуже широко використовуються у оптимізації інженерно поставлених задач для оптимізації структури різних фізичних об’єктів. На розгляд було обрано 3 евристичні методи оптимізації, а саме: бджолиний алгоритм, алгоритм зграї кажанів, та китовий алгоритм. Ці три методи були обрані враховуючи що не було знайдено дослідження де б вони фігурували разом як частини для створення нового гібриду на їх основі. В роботі було запропоновано 5 варіацій гібридизації обраних методів, а саме: гібриди «бджіл з китами» №1–3, гібрид «кажанів з китами» та гібрид «бджіл з кажанами». У результаті було визначено що найкращі результати надав китовий алгоритм з усіх простестованих методів, включаючи навіть гібридні, а найкращим гібридом з представлених було визнано гібрид «бджіл з кажанами».Документ Відкритий доступ Гібридизація методів ройового інтелекту для знаходження розв’язків оптимізаційних задач(КПІ ім. Ігоря Сікорського, 2024) Литовченко, Микита Віталійович; Хайдуров, Владислав ВолодимировичНа використанні математичних методів оптимізації, у продуктах що використовують штучний інтелект, не закінчується використання математичної оптимізації, для різних задач використовують різні методи які навіть поділені на різні види та класи. Бо як відомо жоден метод не може однаково добре працювати абсолютно для всіх задач, і в будь-якому разі для цього потрібно буде або модифікувати метод, або ж гібридизувати (об’єднувати) два чи більше методів разом, щоб отримати новий метод який зможе впоратися з поставленою задачею, і якраз ця методика гібридизації розглянута в цьому дослідженні. Початок цієї роботи сфокусований на отримання представлення та розуміння про існуючі методи, а саме евристичні методи оптимізації що дуже широко використовуються у оптимізації інженерно поставлених задач для оптимізації структури різних фізичних об’єктів. На розгляд було обрано 3 евристичні методи оптимізації, а саме: бджолиний алгоритм, алгоритм зграї кажанів, та китовий алгоритм. Ці три методи були обрані враховуючи що не було знайдено дослідження де б вони фігурували разом як частини для створення нового гібриду на їх основі. В роботі було запропоновано 5 варіацій гібридизації обраних методів, а саме: гібриди «бджіл з китами» №1–3, гібрид «кажанів з китами» та гібрид «бджіл з кажанами». У результаті було визначено що найкращі результати надав китовий алгоритм з усіх простестованих методів, включаючи навіть гібридні, а найкращим гібридом з представлених було визнано гібрид «бджіл з кажанами».Документ Відкритий доступ Методи й алгоритми ройового iнтелекту знаходження розв’язкiв прикладних та iнженерних завдань(КПІ імені Ігоря Сікорського, 2024) Татенко, Вадим Сергійович; Хайдуров, Владислав ВолодимировичКваліфікаційна робота містить: 73 стор., 15 рисунки, 12 таблиць, 11 джерел. Оптимізаційні методи й алгоритми ройового інтеректу є ефективним інструментом вирішення прикладних оптимізаційних задач в різних сферах. Це може бути як оптимізація маршрутизації телекомунікаційних мереж, так пошук оптимальних параметрів для покращення характеристик фізичних конструкцій. Прикладні задачі можуть бути кардинально різної складності по кількості параметрів моделі і не тільки. В свою чергу існує не малий набір алгоритмів для вирішення таких задач. Але не є гарантованим те, що алгоритм впорається з поставленою задачею, чи впорається недостатньо точно, чи застрягне в локальному екстремумі, чи буде виконуватись довгий час. Тому розробка модифікацій до існуючих алгоритмів є актуальною задчею для вирішення. В даній роботі буде представлено та протестовано нові модифікації для оптимізаційного методу диференційної еволюції, які протестовані на прикладних моделях, та сформовані порівняльні таблиці модифікованого методу DE з базовим методом DE.Документ Відкритий доступ Методи й алгоритми ройового iнтелекту знаходження розв’язкiв прикладних та iнженерних завдань(КПІ ім. Ігоря Сікорського, 2024) Татенко, Вадим Сергiйович; Хайдуров, Владислав ВолодимировичОптимiзацiйнi методи й алгоритми ройового iнтеректу є ефективним iнструментом вирiшення прикладних оптимiзацiйних задач в рiзних сферах. Це може бути як оптимiзацiя маршрутизацiї телекомунiкацiйних мереж, так пошук оптимальних параметрiв для покращення характеристик фiзичних конструкцiй. Прикладнi задачi можуть бути кардинально рiзної складностi по кiлькостi параметрiв моделi i не тiльки. В свою чергу iснує не малий набiр алгоритмiв для вирiшення таких задач. Але не є гарантованим те, що алгоритм впорається з поставленою задачею, чи впорається недостатньо точно, чи застрягне в локальному екстремумi, чи буде виконуватись довгий час. Тому розробка модифiкацiй до iснуючих алгоритмiв є актуальною задчею для вирiшення. В данiй роботi буде представлено та протестовано новi модифiкацiї для оптимiзацiйного методу диференцiйної еволюцiї, якi протестованi на прикладних моделях, та сформованi порiвняльнi таблицi модифiкованого методу DE з базовим методом DE.Документ Відкритий доступ Модель перенесення навчання для оцінки хлорофілу-а за допомогою супутникового зображення(КПІ ім. Ігоря Сікорського, 2024) Геніцой, Павло Олексійович; Шелестов, Андрій ЮрійовичМагістерська дисертація містить 118 сторінок, 16 ілюстрацій, 3 таблиці та 40 літературних джерел. Актуальність: оцінка концентрації хлорофілу-а є дуже важливою для моніторингу водних екосистем та біорізноманіття. Хлорофіл-а відображає фотосинтетичну активність фітопланктону, який є ключовими компонентами водних екологічних систем та базовим джерелом органіки. Традиційні методи вимірювання хлорофілу-а є трудомісткими, дорогими і обмеженими по простору та часу. Використання супутникових даних для моніторингу великих територій з високою частотою є ефективним. Представлений підхід із використанням моделі перенесення навчання дозволяє здійснювати моніторинг хлорофілу-а на великих територіях. Мета даної роботи: розробка та апробація інтелектуальної моделі трансфертного навчання оцінки хлорофілу-a на основі супутникових зображень. Для досягнення мети було використано: модель багатошарового персептрона; супутникові зображення Sentinel-2/Sentinel-3, продукт GCOM-C/SGLI L3, дані Coriolis для перевірки; платформа Google Earth Engine (GEE); Google Colab, PyCharm та бібліотеки Python/ML для реалізації алгоритмів. Завдання: налаштування програмного середовища для обробки та аналізу даних; підготовка даних супутникових систем Sentinel-2, Sentinel-3 та GCOM-C/SGLI L3 V2, а також від наземних вимірювань Coriolis; стандартизація даних для подальшого аналізу; проведення кореляційного аналізу між концентрацією хлорофілу-a (Chla) з різних джерел даних; застосування технології перенесення навчання в пілотній зоні для Середземного моря – Лімасол, Кіпр для прогнозування значень концентрацію хлорофілу за супутниковими даними; побудова карти просторового розподілу концентрації хлорофілу-а в акваторії Лімассолу (Кіпр); моделювання хлорофілу-а за даними вищого просторового розрізнення; тестування моделі при використанні хлорофілу-а з різних джерел даних. Об’єкт дослідження: концентрація хлорофілу-а в морських екосистемах, зокрема в Середземноморському регіоні, і можливості його оцінки за допомогою супутникових зображень. Предмет дослідження: методи оцінки концентрації хлорофілу-а у водних екосистемах на основі супутникових зображень. Методи дослідження: системний аналіз, кореляційний аналіз, алгоритми машинного навчання, методи обробки цифрових зображень, оптимізація гіперпараметрів моделей, методи аналізу даних та математичної статистики. Наукова новизна даної праці полягає в розробці та використанні моделі трансфертного навчання для оцінки концентрації хлорофілу-а за допомогою супутникових зображень для Середземного моря. Основні пункти включають: адаптація моделі MLP для нових географічних зон з використанням різних супутникових даних; визначення спектральних та інформативних показників, які корелюють з концентрацією хлорофілів-а; розробка методів підвищення просторового розрізнення концентрації хлорофілу-а на основі супутникових даних. Практична новизна дослідження полягає у розробці методології, яка дозволяє здійснювати оперативний моніторинг якості води на великих територіях. Практична новизна включає: використання супутникових зображень Sentinel-2 та GCOM-C/SGLI для оцінки концентрації хлорофілу-а, що дозволяє значно знизити витрати порівняно з традиційними методами моніторингу; розробка карт концентрації хлорофілу-а з високим просторовим розрізненням для різних регіонів, що може бути використано для управління природними ресурсами та охорони навколишнього середовища. Апробація результатів дисертації. Матеріали різних розділів дисертації доповідалися та обговорювались на XXII Всеукраїнській науково-практичній конференцiї студентiв, аспірантів та молодих вчених теоретичнi i прикладні проблеми фізики, математики та iнформатики. 13−17 травня 2024 р., м. Київ, Україна.», міжнародному симпозіумі 4th International Symposium on Applied Geoinformatics (ISAG2024). 9-10 May 2024. Wroclaw, Poland.