Магістерські роботи (АСОІУ)
Постійне посилання зібрання
Переглянути
Перегляд Магістерські роботи (АСОІУ) за Ключові слова "004"
Зараз показуємо 1 - 20 з 20
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Алгоритмічне та програмне забезпечення комп’ютерного бачення на прикладі сфери масового обслуговування(КПІ ім. Ігоря Сікорського, 2019-12) Савченко, Валерія Віталіївна; Гавриленко, Олена ВалеріївнаАктуальність теми: необхідність розпізнавати небажаних осіб та вік, стать і емоційний стан відвідувачів об’єктів сфери масового обслуговування із фото та відеофайлів з камер спостереження. Мета дослідження: аналіз методів ідентифікації осіб за фото та відеофайлами та отримання іх біометричного шаблону. Для реалізації поставленої мети були сформульовані наступні завдання: дослідження існуючих способів розпізнавання осіб та їх біометричного шаблону у сфері масового обслуговування; дослідження існуючих технічних способів ідентифікації осіб; підбір архітектури бекбоунів для нейронної мережі моделі розпізнавання; підбір навчальних датасетів для тренування моделі розпізнавання; розробка програмного забезпечення, яке використовує спроектовану модель розпізнавання; порівняння результатів реалізованої моделі з існуючими засобами ідентифікації осіб. Об’єкт дослідження: процес ідентифікації особи по обличчю та отримання її біометричного шаблону за допомогою методів машинного навчання. Предмет дослідження: точність та ефективність алгоритмів комп’ютерного бачення для обробки фото та відео з наявною великою кількістю осіб. Методи дослідження: дослідження, аналіз, експеримент. Наукова новизна: найбільш суттєвими науковими результатами магістерської дисертації є реалізація унікального програмного модулю для ідентифікації осіб та отримання їх біометричного шаблону за допомогою сучасних алгоритмів комп’ютерного бачення. Практичне значення отриманих результатів визначається тим, що запропоноване програмне рішення може бути використане на об’єктах сфери масового обслуговування для визначення злочинців та емоційного стану відвідувачів. Зв’язок роботи з науковими програмами, планами, темами: Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Апробація: Основні положення роботи доповідались і обговорювались на Міжнародному науковому симпозіумі "Інтелектуальні рішення" (IntSol-2019), публікувались у науково-технічного журналі “Сучачний захист інформації” 4(36), 2018, виданні “Захист інформації”, том 21, №3, виданні “Magyar Tudomanyos Journal” №31(2019). Публікації: Наукові положення дисертації опубліковані в матеріалах Міжнародного наукового симпозіума "Інтелектуальні рішення" (IntSol- 2019), науково-технічного журналу “Сучачний захист інформації” 4(36), 2018, видання “Захист інформації”, том 21, №3, видання “Magyar Tudomanyos Journal” №31(2019).Документ Відкритий доступ Алгоритмічне та програмне забезпечення при визначенні авторства тексту(КПІ ім. Ігоря Сікорського, 2019-12) Щербаков, Дмитро Сергійович; Фіногенов, Олексій ДмитровичМагістерська дисертація: 86 с., 15 рис., 26 табл., 2 додатки, 15 джерел. Актуальність. Ідентифікація та перевірка авторства є унікальною і, водночас, дуже широко розповсюдженою задачею, з огляду на можливість застосування у різних сферах діяльності людини: для боротьби з плагіатом, для встановлення авторства анонімних текстів, для експертизи та встановлення особистості в криміналістиці та у багатьох інших задачах та напрямах. Проблеми дослідження стилю автора та застосування статистичного аналізу в дослідженні авторства розглядалася в дослідженнях О.О. Архипової та В.М. Журавльова, Л.А.Борисова, Ю.Н.Орлова та К.П. Осмініна. Задача є також дуже складною через фундаментальну проблему формування набору ознак, за якими можна оцінити ймовірність належності тексту певному автору. Задачу ускладнює також той факт, що до останнього часу для розроблених систем визначення авторства текстів необхідною умовою їх стійкої та якісної роботи була наявність великих об’ємів авторських текстів у навчальній вибірці. Ще однією вадою розроблених моделей є їх якісне обмеження на кількість авторів. Мета дослідження. Метою дослідження є розробка алгоритму та реалізація програмного забезпечення аналізу автора художнього тексту за допомогою методів статистичного аналізу, також встановлення впливу імен героїв та слів з великої літери в цілому на частотні характеристики тексту. Завдання дослідження. Для досягнення мети необхідно виконати наступні завдання: - дослідити праці авторів в цій галузі; - проаналізувати існуючі системи пошуку автора; - розробити алгоритм аналізу авторства; - розробити програмний додаток заснований на розробленому алгоритмі; - проаналізувати точність роботи алгоритму; - зробити висновки щодо доцільності використання алгоритму. Об’єкт дослідження – художні тексти. Предмет дослідження – аналіз художніх текстів з метою визначення авторства. Методи дослідження. Використовувалися методи статистичного аналізу для побудови алгоритму, методи об’єктно-орієнтованого програмування для розробки програмного додатку. Наукова новизна. Найбільш суттєвими науковими результатами магістерської дисертації є: - розроблений алгоритм дає високу точність при визначенні авторства художніх текстів; - було досліджено вплив імен героїв та слів з великої літери в цілому на частотні характеристики тексту. Практичне значення. Отримане програмне забезпечення дозволяє проводити аналіз художніх текстів та з високою точністю визначати автора тексту. Зв'язок роботи з науковими програмами, планами і темами. Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Математичні моделі та технології в СППР». Державний реєстраційний номер 0117U000914. Апробація. Основні положення роботи доповідались і обговорювались на ХVIII міжнародної науково-практичної конференції «Математичне та програмне забезпечення інтелектуальних систем МПЗІС-2019» та 3 всеукраїнської науково-практичної конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019). Публікації. Наукові положення дисертації опубліковані в тезах ХVIII міжнародної науково-практичної конференції «Математичне та програмне забезпечення інтелектуальних систем МПЗІС-2019» та в тезах 3 всеукраїнської науково-практичної конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019).Документ Відкритий доступ Архітектура програмного забезпечення для платформи iOS(КПІ ім. Ігоря Сікорського, 2019-12) Салій, Ольга Олексіївна; Ліщук, Катерина ІгорівнаАктуальність теми: У багатьох випадках мобільні застосунки розробляються для вирішення бізнесових задач, і в свою чергу для бізнесу важливі часові дедлайни, швидкість та якість. Зазвичай ці мобільні за стосунки є частиною клієнт-серверної архітектури, де клієнтом виступає як раз мобільний за стосунок. Такий тип за стосунків є найпопулярнішим в наш час серед українських iOS розробників, і в тому саме для цього типу є сенс і потреба у створенні дійсно ефективного й простого архітектурного підходу. Основною проблемою є те, що всі архітектурні підходи описані дуже поверхнево, і це призводить до того, що кожний розробник інтерпретує визначення архітектур по своєму і використовує свої підходи. Це, в свою чергу приводить до створення багатьох різних реалізацій, які частково або зовсім не відповідають початковій задумці. мета дослідження. Основна мета даної роботи полягає в дослідженні можливих архітектурних рішень для мобільної платформи iOS та розробці продуманої, гнучкої, і, в той же час, простої для розуміння архітектури програмного забезпечення. Для реалізації поставленої мети були сформульовані наступні завдання: - аналіз існуючих архітектурних підходів для платформи iOS; - вибір необхідних програмних засобів для розробки програмного забезпечення; - проектування та розробка архітектурного підходу для розробки мобільних застосунків на платформі iOS; - розробити мобільний за стосунок, використовуючи запропонований архітектурний підхід; - дослідження ефективності запропонованого архітектурного рішення; Об’єкт дослідження - процес розробки мобільних застосунків на платформі iOS. Предмет дослідження – архітектурні підходи для розробки мобільних застосунків на платформі iOS. Наукова новизна. Найбільш суттєвими науковими результатами магістерської дисертації є: - запропоновано вдосконалене архітектурне рішення для розробки мобільних застосунків на платформі iOS. - запропоновано підхід «Конструктор» до створення iOS застосунків. Практичне значення отриманих результатів визначається тим, що запропонований архітектурний підхід доведено до практичної реалізації. Розроблено програмний продукт, який демонструє основні переваги запропонованого архітектурного рішення. модифікований алгоритм ефективно виконує операцію поєднання розподілених даних. Зв’язок роботи з науковими програмами, планами, темами. Робота виконана в рамках теми «Методи та технології в задачах пошуку та збереження даних. Державний реєстраційний номер 0117U000915». Апробація: Основні положення роботи доповідались і обговорювались на ІІ всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019).Документ Відкритий доступ Архітектурне рішення для безпечного обміну файлами між мобільними пристроями в корпоративній мережі(КПІ ім. Ігоря Сікорського, 2019-12) Глушкова, Тетяна Олександрівна; Фіногенов, Олексій ДмитровичАктуальність теми. Надзвичайно швидке впровадження мобільних технологій, зокрема BYOD, організаціями викликає необхідність у більш стійких засобах безпеки та більш складних системах захисту. Тому виникла необхідність появи засобів для ефективного захисту даних на мобільних пристроях, обміну файлами маж ними (електронний документообіг), а також для безпечного доступу до внутрішньої мережі компанії. Мета дослідження. Метою є побудова архітектурного рішення, що надає безпечний віддалений доступ до корпоративної мережі мобільним клієнтам з убезпеченням передачі та збереження даних, а також реалізація програмного додатку на основі пропонованої архітектури. Для реалізації поставленої мети були сформульовані наступні завдання: - дослідити методи безпечної передачі даних; - дослідити методи безпечного збереження даних (файлів та даних користувачів на серверах); - дослідити методи віддаленого доступу з публічного інтернету до корпоративної мережі; - розробити експериментальне архітектурне рішення для убезпечення передачі даних та віддаленого доступу; - розробити основні алгоритми взаємодії компонентів системи (алгоритм першого доступу до системи, алгоритм передачі та шифрування файлів при завантаженні, алгоритми взаємодії між компонентами); - розробити мінімально необхідні клієнтські та серверні компоненти для підтвердження концепції. Об’єкт дослідження – безпека даних. Предмет дослідження – убезпечення передачі та збереження даних при віддаленому доступі до корпоративної мережі. Наукова новизна: Запропоновано архітектурне рішення, що призначене для безпечного обміну файлами між мобільними пристроями за межами корпоративної мережі, що на відміну від більшості існуючих систем відокремлює сховище файлів від їх метаданих, не надає прямого доступу до сховища файлів з мобільного клієнта та удосконалює існуючі методи віддаленого доступу. Запропоновано використання селективного шифрування важливих даних системи (інформація про користувачів, метадані тощо), що підвищує захищеність системи. Практичне значення отриманих результатів визначається тим, що розроблено програмний продукт, який демонструє основні переваги запропонованого архітектурного рішення. Зв’язок роботи з науковими програмами, планами, темами: дисертація виконувалась в рамках ініціативної теми кафедри АСОІУ «Методи та технології в задача пошуку та збереження даних». Державний реєстраційний номер 0117U000925. Апробація: основні положення роботи доповідались і обговорювались на 3-й Всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019). Публікації: Аналіз методів віддаленого доступу до корпоративної мережі для BYOD пристроїв / Глушкова Т.О., Ісаченко Г.В // Х Міжнародна науково-технічна конференція молодих вчених «Інформаційні технології: економіка, техніка, освіта». – 2019 р. - С. 205-206 Механізм доступу до внутрішнього серверу у середовищі для безпечного обміну файлами між мобільними пристроями за межами корпоративної мережі / Глушкова Т.О., Ісаченко Г.В. // 3 Всеукраїнська науково-практична конференція молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019). – 2019 р.Документ Відкритий доступ Математичне та програмне забезпечення визначення авторства художнього тексту(КПІ ім. Ігоря Сікорського, 2019-12) Храпов, Олег Олегович; Фіногенов, Олексій ДмитровичАктуальність теми: виконання класифікації художніх текстів людиною (наприклад редактором) на наявність порушення авторських прав або при перевірці плагіату вимагає багато часу. Вирішенням цієї проблеми є автоматизація пошуку автора на основі аналізу стилістичних особливостей письма автора. За рахунок використання машинного навчання можна створити автоматичний класифікатор, який дозволить покращити точність класифікації порівняно з ручною. Мета дослідження: розробити моделі, що забезпечують розпізнавання лексичних та стилістичних ознак автора художнього тексту. Для реалізації поставленої мети були сформульовані наступні завдання: дослідити відомі на даний час методи та підходи визначення стилю автора тексту; збір навчальних даних, розробка класифікатору на основі обраних моделей; тестування та аналіз ефективності використаних моделей; визначення подальшого напряму досліджень. Об’єкт дослідження: стилістичні особливості письмового стилю автора. Визначення автора тексту. Процес визначення характеристик та класифікації художніх текстів на українській мові. Предмет дослідження: лексичні та синтаксичні ознаки письмового стилю автора художнього тексту та алгоритм класифікації текстових даних. Методи дослідження: для розв’язання даної задачі використовувались лексичні та синтаксичні ознаки тексту, нейроні мережі, алгоритм зворотнього поширення помилки. Наукова новизна: найбільш суттєвими науковим результатами магістерської дисертації є розроблена модель визначення автора тексту, проаналізувавши його стилю письма, за допомогою моделі пунктуаційних та функціональних слів текстів написаних на українській мові. Практичне значення отриманих результатів визначається тим, що запропонований та розроблений алгоритм навчання та визначення дозволяє досягти точності визначення автора тексту в 80%, що дозволяє використовувати його для перевірки текстів у визначенні авторських прав або при перевірці документів на плагіат. Зв’язок роботи з науковими програмами, планами, темами: робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Математичні моделі та технології в СППР». Державний реєстраційний номер 0117U000914. Апробація: результати викладалися на предзахисті роботи на кафедрі АСОІУ. Публікації: Визначення автора тексту з використанням штучних нейронних мереж. Міжнародний електронний науковий журнал - 2019. - №12. - URL: https://nauka-online.com/ua/publications/informatsionnye-tehnologii/ 2019/ 12/ viznachennya-avtora-tekstu-z-vikoristannyam-ann/. Визначення статі автора короткого тексту методами машинного навчання. Міжнародний електронний науковий журнал - 2019. - №11. – URL: https://nauka-online.com/ua/publications/tehnicheskie-nauki/2019/11/opredelenie-pola-avtora-korotkogo-teksta-metodami-mashinnogo-obucheniya/.Документ Відкритий доступ Математичне та програмне забезпечення виявлення аномалій в потоках текстових даних(КПІ ім. Ігоря Сікорського, 2019-12) Афанасьєва, Олена Євгенівна; Олійник, Юрій ОлександровичМагістерська дисертація: 77 с., 21 рис, 33 таб., 2 додатки, 39 джерел. Актуальність теми: Сьогодні важливість обробки текстових даних стрімко збільшується. Це пов'язано з великою кількістю текстової інформації, доступної через Інтернет. Оскільки мільйони символів вмісту формуються щодня, людина не має фізичної здатності обробляти всю інформацію. На українському ринку поки відсутні застосунки для виявлення аномалій. Українські медіа, наукова сфера та бізнес все ще не мають інструменту для виявлення аномальних даних в текстах рідною мовою, що робить ці сфери менш розвинутими ніж такі ж сфери, що працюють у англомовному середовищі. Мета дослідження: покращення аналізу україномовних потокових текстових даних та виявлення в них аномалій в режимі реального часу Для реалізації поставленої мети були сформульовані наступні завдання: - обґрунтувати вибір методу виявлення аномалій; - створити математичну модель вибраного методу виявлення аномалій; - виконати програмну реалізацію методу виявлення аномалій; - дослідити ефективність методу виявлення аномалій. Об’єкт дослідження: потоки україномовних текстових даних. Предмет дослідження: виявлення аномалій в потокових текстових даних. Методи дослідження: методи text mining, методи інтелектуального аналізу даних. Наукова новизна: Найбільш суттєвими науковими результатами магістерської дисертації є: - розробка адаптованого методу Isolation Forest виявлення аномалій в потоках текстових даних з підтримкою української мови. Практичне значення отриманих результатів визначається тим, що запропонований модифікований алгоритм Isolation Forest, який підтримує виявлення аномалій в україномовних даних. Зв’язок роботи з науковими програмами, планами, темами: робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Апробація: Основні положення роботи доповідались і обговорювались на ІІІ всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019) Публікації: Наукові положення дисертації опубліковані в Афанасьєва О.Є Виявлення аномалій в потоках текстових даних/ О.Є. Афанасьєва, Ю.О. Олійник // Матеріали ІІІ всеукраїнської науково-практичної конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019) – м. Київ: НТУУ «КПІ ім. Ігоря Сікорського», 20-22 листопада 2019 р.Документ Відкритий доступ Математичне та програмне забезпечення виявлення елементів дезінформації в потоках текстових даних(КПІ ім. Ігоря Сікорського, 2020-05) Ошийко, Ярослав Романович; Олійник, Юрій ОлександровичАктуальність. З розповсюдженням Інтернету та соціальних медіа зараз доступна кількість новин, статей та іншого тексту онлайн. Цей величезний обсяг інформації постав під загрозу правдивість новин, які поширюються. Підроблені новини - це будь-яка форма помилкової інформації чи контенту, що поширюється в мережі Інтернет, для впливу на погляд людей на певну подію чи інформацію. Виявлення фальшивих новин у цифровому світі є важливим завданням у подоланні широкого розповсюдження чуток та упереджень. Багато досліджень було проведено для виявлення елементів дезінформації для англійської мови, проте українська та російська мови не має досліджень у цій галузі. Такі компанії, як Facebook, Twitter та Google, стикаються з проблемою вирішення цієї проблеми, щоб забезпечити платформу, де люди можна довіряти вмісту стрічки новин. Вплив фейкових новин було таким глибоко вкорінене в суспільстві, що це навіть вплинуло на вибори в США 2016 року. Також багато неправдивої інформації поширюється протягом війни України в зоні АТО, що призводить до дестабілізації населення, поширення неправильних думок, відображення фейкової картини перебігу подій. Отже, необхідною задачею є створення інструменту перевірки текстової інформації на наявність елементів дезінформації для інформаційної безпеки та аналізу новин, які поширюються для дестабілізації та обману населення. Метою дослідження є полегшення виявлення елементів дезінформації за рахунок створення методу та алгоритму для перевірки потоку текстових даних на наявність елементів дезінформації у вигляді лінгвістичних конструкцій та оборотів, які вказують на неправдивість представленої інформації. Для досягнення поставленої мети необхідно виконати наступні завдання: - виконати аналіз існуючих алгоритмів та методів комп'ютерної лінгвістики та машинного навчання для класифікації текстових потоків даних та виявлення елементів дезінформації; - розробити алгоритм первинної обробки тексту для збільшення точності визначення елементів дезінформації; - розробити метод виявлення елементів дезінформації в текстових потоках даних; - виконати програмну реалізацію розробленого методу виявлення елементів дезінформації в текстових потоках даних; - провести аналіз отриманих результатів для оцінки якості; - провести дослідження ефективності алгоритму. Предметом дослідження є методи виявлення елементів дезінформації в текстових потоках даних. Методами дослідження є методи комп’ютерної лінгвістики та машинного навчання для виявлення елементів дезінформації. Наукова новизна отриманих результатів: науковою новизною є розробка методу виявлення елементів дезінформації в потоках даних з підтримкою обробки текстів української та російської мови. Публікації: основні положення роботи доповідались і обговорювались на IV всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2020), а також подано до друку на ХVІ міжнародній науковій конференції «Інтелектуальні системи прийняття рішень та проблеми обчислювального інтелекту (ISDMCI’2020)» результати магістерської дисертації докладались на наукових конференціях.Документ Відкритий доступ Математичне та програмне забезпечення для аналізу потоків текстових даних(КПІ ім. Ігоря Сікорського, 2019-12) Степанюк, Євгеній Юрійович; Олійник, Юрій ОлександровичАктуальність теми: а) покращення якості визначення емоцій в повідомленнях написаних українською мовою; б) ефективний інструмент моніторингу і оцінювання тематики груп/каналів. Мета дослідження дисертаційної роботи є покращення сентимент аналізу у текстових потоках даних. Розроблені методи і програмні засоби повинні відповідати таким вимогам: − більш висока в порівнянні з існуючими моделями якість запропонованих методів; − адаптація методів для підтримки текстів різних мов. В даній дисертаційній роботі розглядаються тексти користувачів українською та англійською мовами; − візуалізація результатів аналізу. Для реалізації поставленої мети були сформульовані наступні завдання: а) провести аналіз існуючих методів та програмних рішень; б) обґрунтувати вибір методу сентимент аналізу; в) розробити математичну модель класифікації повідомлень користувачів за сентиментом; г) покращити методи аналізу емоційної складової для потоків даних; д) реалізувати запропоновані методи у вигляді програмного засобу. візуалізувати аналіз емоційної складової потоку за певний період даних та провести експериментальні дослідження з метою визначення ефективності роботи методів і моделей. Об'єкт і предмет дослідження. Об'єктом дослідження є потік повідомлень користувачів, представлені у вигляді потоку неструктурованих текстів на природній мові. Методи дослідження: У даній дисертаційній роботі застосовувалися методи обробки природної мови, засновані на правилах, словниках та існуючих лінгвістичних ресурсах, і ймовірнісних тематичних моделях, заснованих на комплексі методів машинного навчання. Наукова новизна: У даній роботі запропоновані поліпшення для методів визначення сентименту в текстах, написаних українською мовою, представлених у вигляді потоку неструктурованих текстових даних природньою мовою, з використання алгоритму машинного навчання з учителем. Практичне значення отриманих результатів визначається тим, що запропоноване покращення до алгоритму може бути використано для прикладного аналізу емоційної складової контенту текстових каналів, груп в меcенджері telegram і т.д. Зв’язок роботи з науковими програмами, планами, темами: робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Публікації: Наукові положення дисертації опубліковані в тезах конференції «ІНФОРМАТИКА ТА ОБЧИСЛЮВАЛЬНА ТЕХНІКА – ІОТ-2019». Апробація: Основні положення роботи доповідались і обговорювались на конференції «ІНФОРМАТИКА ТА ОБЧИСЛЮВАЛЬНА ТЕХНІКА – ІОТ-2019».Документ Відкритий доступ Математичне та програмне забезпечення для планування задач(КПІ ім. Ігоря Сікорського, 2019-12) Крикун, Євгеній Вікторович; Ліщук, Катерина ІгорівнаСистеми планування задач в сучасному світі займають одну з головних ролей для людини ХХІ століття. Грамотне розподілення часу на ту чи іншу справу призводить до успішного та правильного способу досягти будь-якої мети. Всі вони зводяться до постановки задачі та часу на її виконання, але майже ніде не враховуються додаткові критерії такі як знання чи навички в тому чи іншому завданні. Наприклад, на підприємстві при розподіленні задач повинна враховуватись не тільки можливість людини виконати поставлену задачу, а дати цю задачу співробітнику з потрібною кваліфікацією, вмінням та бажанням виконувати її. Таким чином, системи, що передбачають планування та розподілення задач з великою кількістю побічних критеріїв дозволяють підвищити продуктивність та ефективність праці і автоматично стають дуже затребуваними в розробці, а їх впровадження стає актуальною задачею повсякдення. Мета дослідження: основна мета даної роботи полягає в дослідженні та розробці математичних та програмних засобів для планування та розподілення задач на підприємстві з урахуванням великої кількостї додаткових параметрів. Для досягнення поставленої мети були сформульовані наступні завдання дослідження: - аналіз існуючих методів інформаційної підтримки процесів планування задач на підприємствах; - розробка математичного забезпечення для побудови оптимального розподілення робіт між працівниками підприємства; - дослідження ефективності запропонованого методу розподілення задач; - вибір необхідних програмних засобів для розробки програмного забезпечення розрахункової частини; - розробка обчислювальних алгоритмів та програмного забезпечення із застосуванням розробленого математичного апарату. Об’єкт дослідження: процес розробки інтелектуальної системи планування задач на підприємстві. Предмет дослідження: методи та інформаційні технології, які використовуються для планування задач при роботі з великою кількістю різнопланового персоналу. Наукова новизна. При проведенні дослідження у дисертаційній роботі використовувались методи планування задач з додатковими параметрами, а саме метод алгоритм багаторівневих черг Multilevel Feedback Queue. Найбільш суттєвими науковими результатами магістерської дисертації є: - розроблено математичний метод планування та розподілення задач, який враховує з додаткові параметри, такі як досвід, можливість виконання завдання, тощо; - модифіковано алгоритм Multilevel Feedback Queue з метою вирішення задачі пошуку найоптимальніших рішень для планування задач. Практичне значення отриманих результатів визначається тим, що всі запропоновані математичні методи і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, котре використовується для побудови системи планування задач з додатковими параметрами, які впливають на оптимізацію виробничого процесу. Зв’язок роботи з науковими програмами, планами, темами. Робота виконана в рамках теми «Методи та технології в задачах пошуку та збереження даних. Державний реєстраційний номер 0117U000915». Апробація. Основні положення роботи доповідались і обговорювались на 3 всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019).Документ Відкритий доступ Математичне та програмне забезпечення для побудови навігаційних маршрутів(КПІ ім. Ігоря Сікорського, 2019-05) Храмченко, Микола Сергійович; Муха, Ірина ПавлівнаМагістерська дисертація: 122 с., 36 рис., 8 табл., 4 додатка, 20 джерел. Актуальність теми. Рівень розвитку сучасних технологій дозволяє обладнувати мобільні пристрої (мобільні телефони, кишенькові та планшетні комп’ютери) засобами доступу до бездротового мобільного Інтернету та до глобальної системи супутникової навігації GPS. Це дає змогу організувати наземну навігацію рухомих об’єктів, зокрема, автомобільну, використовуючи мобільні навігаційні додатки. Однією із найбільш важливих задач таких навігаторів є побудова оптимального маршруту руху об’єкта до заданої точки. Наявні способи реалізації даного функціоналу в існуючих програмних засобах (таких як GoogleMaps, YandexMaps, AppleMaps та інші) передбачають при побудові маршруту можливість обрати на власний розсуд, як критерій оптимальності, найкоротшу відстань або найменший час. За замовчуванням система обирає найшвидший маршрут. Якщо існує два маршрути з однаковим часом проходження, система автоматично обирає найкоротший із них та пропонує альтернативний варіант. Значним недоліком таких мобільних навігаторів є обмеженість вибору критеріїв оптимізації при побудові маршруту. Наприклад, відсутня можливість вибору маршруту з урахуванням якості дорожнього покриття, завантаженості доріг, якості їх освітленості, інформації про аварійні ситуації, ремонтні роботи, пробки, закриття дороги або зміну напрямку руху, допустимого відхилення від найменшого часу або найкоротшої дистанції тощо. Тому мобільні навігатори, що забезпечують побудову навігаційних маршрутів з можливістю урахування додаткових критеріїв (таких як якість дорожнього покриття, освітленість дороги тощо), є дуже затребуваними, а їх розробка - вкрай актуальним завданням. Мета і задачі дослідження. Мета даної роботи полягає в дослідженні та розробці математичних та програмних засобів для багатокритеріальної побудови навігаційних маршрутів. Для досягнення поставленої мети необхідно розв‘язати комплекс наступних взаємопов‘язаних задач: дослідити існуючі методи та підходи до побудови навігаційних маршрутів; дослідити існуючі методи багатокритеріальної оптимізації; розробити математичне забезпечення для побудови багатокритеріальних навігаційних маршрутів; розробити мобільний навігатор, який має підтримувати функціонал побудови навігаційних маршрутів з урахуванням декількох критеріїв оптимальності; виконати експериментальне дослідження запропонованих рішень. Об’єкт дослідження. Процес побудови навігаційних маршрутів. Предмет дослідження. Методи багатокритеріальної оптимізації та алгоритми знаходження оптимальних шляхів у графі. Наукова новизна одержаних результатів полягає у розробці метода побудови багатокритеріальних навігаційних маршрутів, який ґрунтується на використанні удосконаленого алгоритма A*. Практичне значення одержаних результатів. Всі запропоновані математичні методи і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, яке використовується для побудови багатокритеріальних навігаційних маршрутів з урахуванням відстані і якості дорожнього покриття. Публікації. Матеріали роботи опубліковані в тезах конференції «Інформатика та обчислювальна техніка-ІОТ-2017» та «Інформаційні системи та технології управління - 2019»Документ Відкритий доступ Математичне та програмне забезпечення для підтримки діагностики онкологічних захворювань за допомогою гібридних методів обробки зображень(КПІ ім. Ігоря Сікорського, 2019-05) Сарнацький, Владислав Віталійович; Баклан, Ігор ВсеволодовичОнкологічні захворювання є справжньою чумою ХХІ сторіччя. За даними CDC (Centers for Disease Control and Prevention) кількість нових онкологічних хворих сягне 1.9 млн./рік в 2020 році[1]. В зв’язку с цим, питання розробки та модифікації сучасних методів діагностики та прогнозування раку стає дуже гостро. Одним з таких методів, справжнім «золотим стандартом» є метод гістологічної експертизи, який є дуже складним та багато ступеневим процесом, який виконуються цілком людиною і, нажаль, не позбавлений людського фактору. Так, зразок досліджуваної тканини може бути неякісно взятий у пацієнта, погано нарізаний, надмірно, або недостатньо пофарбований. Все це призводить до того, що результати аналізу експертами одного і того ж зразка можуть сильно різнитися між собою. І для того щоб отримати дійсно точний результат, слід задіяти декількох експертів або один математично обґрунтований алгоритм, який позбавив би цей процес людської суб’єктивності. Існування таких алгоритмів було би неможливо без розділу комп’ютерних наук, що зветься «комп’ютерний зір». Цей розділ, а на сьогодні можна сказати окрема наука, почав своє існування в 1965 році з кандидатської дисертації, присвяченій темі трьохвимірної реконструкції сцени, що складалася с множини примітивів, таких як, піраміди, конуси, і т.п., по одній їх фотографії [2]. По стану на сьогоднішній день, людство розробило алгоритми, здатні виконувати попіксельну сегментацію зображення, отриманого на встановленій на лобовому склі автомобіля камері, з ціллю виявлення регіонів, що належать дорозі, знакам дорожнього руху, пішоходам, іншим машинам, і т.п [3]. Окрім значної точності, ці алгоритми являються також досить швидкими, здатними оброблювати зображення в реальному часі. Зразу після появи комп’ютерного зору, йому зразу знайшли місце і в обробці цифрових медичних зображень. Такі алгоритми як вейвлет- та ширлет-перетворення послугували екстракторами ознак для подальшої класифікації методом опорних векторів гістологічних зображень з ціллю виявлення ступені злоякісності пухлини. Алгоритм водорозділу був успішно адаптований для задачі сегментації окремих клітин. Морфологічний класифікатор був використаний для класифікації знайдених клітин. За допомогою глибоких нейронних мереж вчені змогли провести сегментацію об’єктів на гістологічних зображеннях, які навіть не були пофарбовані. Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась в рамках науково-дослідних робіт кафедри автоматизованих систем обробки інформації та управління факультету обчислювальної техніки та інформатики КПІ імені Ігоря Сікорського № 0117U000914 «Математичні моделі та технології в системах підтримки прийняття рішень». Мета і задачі дослідження. Основна мета роботи полягає в розробці математичного та алгоритмічного забезпечення для підвищення якості та наочності цифрових гістологічних зображень. Для досягнення поставленої мети необхідно розв‘язати комплекс наступних взаємопов‘язаних задач: - аналіз існуючих методів обробки гістологічних зображень; - виокремлення множини алгоритмів, що активно використовуються у знайдених методах; - розроблення середи, для компонування алгоритмів у єдиний метод; - дослідження ефективності розробленого методу. Об’єкт дослідження. Процес обробки гістологічних зображень з ціллю збільшення їх якості та наочності для людини. Предмет дослідження. Методи та алгоритми, які використовуються для обробки та аналізу гістологічних зображень. Методи дослідження. При проведенні досліджень і розробок у дисертаційній роботі використовувались методи комп’ютерного зору, обробки зображень, матричні фільтри, алгоритми нормалізації яркості та освітленості, алгоритми сегментації возорозділу, бінаризації с порогом по Оцу, переведення між кольоровими просторами, кластеризація методом К-середніх, для експериментального дослідження – методи об‘єктно-орієнтованого програмування: фреймворк PyQt, бібліотека алгоритмів обробки зображень OpenCV, бібліотека методів машинного навчання sklearn. Наукова новизна одержаних результатів полягає в наступному: а) розроблено метод комбінування алгоритмів комп’ютерного зору та їх налаштовування; б) розроблено метод обробки цифрових гістологічних зображень з ціллю збільшення їх якості та наочності. Практичне значення одержаних результатів. Всі запропоновані математичні моделі і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, котре використовується для обробки цифрових гістологічних зображень. Особистий внесок здобувача. Усі результати, наведені у дисертації, отримані самостійно. Апробація результатів дисертації. Результати дисертації були апробовані на наступних наукових конференціях: - Науково-практична конференція молодих вчених «Фундаментальна медицина: інтегральні підходи до терапії хворих з онкопатологією» (Київ, 2019 р.). Публікації. За результатами дисертації опубліковано 2 наукові праці, в тому числі 1 статті у наукових фахових виданнях, які індексуються у наукометричних базах Copernicus, arXiv:1712.03228v1 [cs.SD] 8 Dec 2017.Документ Відкритий доступ Математичне та програмне забезпечення методів обробки даних в розподілених базах на платформі Net(КПІ ім. Ігоря Сікорського, 2019-12) Шушакова, Яна Анатоліївна; Олійник, Юрій ОлександровичМагістерська дисертація: 68 с., 22 рис, 35 таб., 2 додатки, 16 джерел. Актуальність теми: на сьогодні на платформі .NET не існує повного рішення для роботи з розподіленими базами даних. Проте розробники потребують таку можливість, як робота з розподіленими базами, існуючі бібліотеки лише надають можливості аналізу BigData. Мета дослідження: покращення можливостей програмного забезпечення для роботи з розподіленими базами даних на платформі .NET Для реалізації поставленої мети були сформульовані наступні завдання: - створення програмної архітектури розподіленої бази даних; - розробка методів додавання, простої вибірки та вибірки зі з’єднанням даних; - реалізація методів додавання, простої вибірки та вибірки зі з’єднанням даних; - дослідження ефективності розроблених методів. Об’єкт дослідження: розподілені бази даних. Предмет дослідження: реалізація доступу до даних в розподілених базах на платформі .NET. Методи дослідження: методи join data в розподілених базах даних. Наукова новизна: найбільш суттєвими науковими результатами магістерської дисертації є: - розробка адаптованого методу поєднання даних в розподілених базах. Практичне значення отриманих результатів визначається тим, що запропонований модифікований алгоритм ефективно виконує операцію поєднання розподілених даних. Зв’язок роботи з науковими програмами, планами, темами: робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Апробація: Основні положення роботи доповідались і обговорювались на ІІІ всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019) Публікації: Наукові положення дисертації опубліковані в Шушакова Я.А. Огляд підходів виконання операцій в розподілених базах даних/ Шушакова Я. А., Олійник Ю. О. // Матеріали ІІІ всеукраїнської науково-практичної конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019) – м. Київ: НТУУ «КПІ ім. Ігоря Сікорського», 20-22 листопада 2019 р.Документ Відкритий доступ Математичне та програмне забезпечення оцінювання захищеності інформаційних систем від веб-атак(КПІ ім. Ігоря Сікорського, 2019-12) Савчук, Вікторія Володимирівна; Стеценко, Інна ВячеславівнаМагістерська дисертація: 93 с., 13 рис., 29 табл., 1 додаток, 43 джерел. Актуальність. Використання в повсякденній діяльності підприємницьких компаній інформаційних систем (ІС) відкриває широкі можливості з надання комунікаційних послуг та обробки інформаційних ресурсів між відповідними відомствами, організаціями та установами, що є позитивним з точки зору перспектив для росту компаній та для їх клієнтів. Водночас існує залежність цих структур від розробників складових частин ІС, насамперед програмного забезпечення, що відкриває для зловмисників шляхи для несанкціонованого доступу до інформації, що становить реальну загрозу безпеці інформації зокрема та захищеності системі в цілому. Крім того, ймовірність реалізації відповідних загроз підвищується через широку доступність комп'ютерних технологій для всіх бажаючих. Тому проблема захисту ІС від відповідних загроз та способів їх реалізації - атак, носить надзвичайно актуальний характер. На сьогодні є багато інструментів для тестування системи на проникність, але при ефективному скануванні системи на вразливості може бути порушена робота сервісів та вузлів, тому альтернативою в даному випадку може стати створення моделі даної системи для проведення тестів на проникнення. Створення моделі для тестування системи до стійкості атак, зменшує витрати на проведення дорогих пентестів. Саме тому в даний час одним з найбільш актуальних напрямків досліджень в області забезпечення інформаційної безпеки є розробка методів і засобів виявлення атак і захисту від атак на інформаційні системи і мережі. В процесі такої розробки необхідно постійно проводити науково-дослідні роботи, що включають попереднє вивчення і детальне опрацювання можливих варіантів реалізації інформаційних атак. Як правило, ці роботи здійснюються з використанням моделей, що дозволяють відтворити необхідні властивості та характеристики інформаційної атаки, а також провести оцінку рівня її небезпеки для ІС. Моделі дозволяють більш точно визначити ефективність існуючих засобів захисту за допомогою модельованих інформаційних атак. Мета дослідження. Метою досліджень є визначення рівня вразливості сервісу та часу повного проникнення атакуючого інформаційної системи моделюючи систему за допомогою мереж Петрі. Завдання дослідження. Для досягнення мети необхідно виконати наступні завдання: дослідити умови виконання інформаційних атак; дослідити загальну структуру інформаційної системи та методи визначення її вразливостей; розробити моделі атак інформаційної системи за допомогою мереж Петрі; розробити застосунок для моделювання хакерських атак на систему; виконати експериментальне дослідження розробленої моделі. Об’єкт дослідження –.модель інформаційної системи. Предмет дослідження – захищеність інформації, що обробляється інформаційній системі. Наукова новизна полягає в: застосуванні методу створення мереж Петрі для автоматизації оцінки проникності інформаційних систем; розширенні методів бібліотеки для візуалізації мереж Петрі. Зв'язок роботи з науковими програмами, планами і темами. Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми "Методи візуального програмування Петрі-об'єктних моделей". Державний реєстраційний номер 0117U000918. Практичне значення отриманих результатів полягає у застосуванні моделі до реальних інформаційних систем для забезпечення та підтримання їх безпеки, адже на даний час захищеність системи перевіряється лише тестами на проникнення, що виконується безпосередньо людьми, з цієї причини вони є досить коштовними та задіюють ресурси апаратної та програмної частин системи. Публікації. Матеріали роботи прийняті у вигляді статей на публікацію на конференцію “The Third International Conference on Computer Science, Engineering and Education Applications (ICCSEEA2020)” та в науковий журнал “Технічні науки та технології” Чернігівського національного технологічного університету: Web service attack simulation; Метод автоматизації тестування на проникнення веб-атак.Документ Відкритий доступ Розподілене машинне навчання з використанням технології Apache Spark(КПІ ім. Ігоря Сікорського, 2020-05) Мірошник, Олексій Сергійович; Олійник, Юрій ОлександровичМагістерська дисертація: 102 с., 40 рис., 1 табл., 2 додатки, 62 джерела. Актуальність теми: засоби машинного навчання використовується там, де звичайні алгоритми не можуть бути застосовані через складність задачі та неможливість вирішення її традиційними методами. Проте, об’єми даних необхідні для навчання невпинно ростуть і все частіше не можуть бути швидко та ефективно опрацьовані одним робочим пристроєм. Вирішенням цієї проблеми є використання розподілених обчислень та застосування таких підходів до задач машинного навчання з використанням розподілених систем з декількома обчислювальними вузлами та мережевою взаємодією між ними. За рахунок розподілення можна не лише пришвидшити навчання, а й збільшити пропускну здатність, використовувати потоки даних, виконувати оптимізації над моделями, навчати різні версії паралельно тощо. Мета дослідження: прискорення машинного навчання за рахунок методу розподіленого машинного навчання на прикладі вирішення задачі пошуку аномалій з використанням дерев ізоляцій. Для реалізації поставленої мети були сформульовані наступні завдання: виконати аналіз існуючих методів та підходів до розподіленого машинного навчання; збір навчальних даних та формування наборів для виконання розподілення; розробити метод розподіленого машинного навчання на прикладі алгоритму дерев ізоляцій; тестування та аналіз ефективності отриманого методу; визначення подальшого напрямку досліджень. Об’єкт дослідження: процеси розподіленого машинного навчання. Предмет дослідження: методи розподіленого машинного навчання. Методи дослідження: для розв’язання поставленої задачі використовувались дерева та ліс ізоляцій, розподілені обчислення, файлова система GFS, обчислювальний підхід MapReduce, потоки даних. Наукова новизна: науковим результатом магістерської дисертації є створення методу розподіленого навчання на основі використання розподілених даних, обчислювальних ресурсів та залучення потокової обробки даних. Практичне значення отриманих результатів: визначається тим, що запропонований метод дозволяє прискорити навчання моделей з використанням дерев ізоляцій, збільшити відмовостійкість системи, підтримувати прозору масштабованість для користувача. Зв’язок роботи з науковими програмами, планами, темами: робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Апробація: основні положення роботи доповідались і обговорювались на IV всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2020), а також на ХVІ міжнародній науковій конференції «Інтелектуальні системи прийняття рішень та проблеми обчислювального інтелекту (ISDMCI’2020)» результати магістерської дисертації докладались на наукових конференціях.Документ Відкритий доступ Інтеграція алгоритму розподіленого машинного навчання і механізму диференціації конфіденційності в систему краудсенсінгу(КПІ ім. Ігоря Сікорського, 2019-05) Романенко, Лев Анатолійович; Фіногенов, Олексій ДмитровичОсновною проблемою машинного навчання являється збір даних для тренування. Дану проблему можна вирішити шляхом збирання даних з портативних пристроїв які продукують велику кількість інформації по всьому світі. Для реалізації даного процесу, потрібен надійний механізм, що забезпечить анонімність зібраних даних. Адже з розвитком машинного навчання з’являються нові типи атак з метою крадіжки даних, тому потрібно удосконалювати методи конфіденційності у даній сфері. Найбільший внесок в даному напрямі зробила компанія GOOGLE. В 2017 році було представлено експериментальну технологію що заснована на трьох базових компонентах: краудсенсінг, розподілене машинне навчання та механізму гарантування анонімності даних. З допомогою такої технології можна навчати модель на портативних пристроях на їхніх власних даних. Але механізм забезпечення безпеки даних в системі має свої недоліки що спонукає до створення архітектури з використанням математичного апарату диференціальної приватності про що говориться в даній статті. Забезпечення безпеки даних для таких масштабних розподілених алгоритмах машинного навчання стоїть на першому місті. Тому актуальною є задача розробки методу збереження анонімності даних на базі математичного апарату диференціально приватності у розподіленому машинному навчанні. Мета дослідження: розробка методу забезпечення конфіденційності для розподіленого машинного навчання на індивідуальних даних користувача без втрати конфіденційності. Для реалізації поставленої мети були сформульовані наступні завдання: дослідити існуючі подібні рішення; розробити метод для підвищення надійності конфіденційності даних; розробити алгоритми для клієнтської та серверної частини; розробити систему яка має реалізовувати розроблений метод та виконувати захищений процес машинного навчання; виконати експериментальне дослідження роботи розробленого методу. Об’єкт дослідження: процес забезпечення конфіденційності даних при розподіленому машинному навчанні. Предмет дослідження: використання диференціальної приватності в процесі розподіленого машинного навчання. Методи дослідження: методи тестування моделей машинного навчання, методи тестування програмного забезпечення, методи атаки на навчену модель для перевірки стійкості системи. Наукова новизна: вперше було використано математичний апарат диференціальної приватності для забезпечення конфіденційності розподіленого машинного навчання на портативних пристроях, що дозволяє захистити дані від більшості відомих атак включаючі нововиявлені. Було розроблено метод на базі створених автором алгоритмів які дозволили інтегрувати механізм диференціальної приватності в систему машинного навчання. Практичне значення отриманих результатів визначається тим, що розроблений метод покращує надійність захисту анонімності даних користувача та захищає від певних видів атак. Може бути застосований в системах де використовується розподілене машинне навчання на портативних пристроях. Створений програмний продукт може бути використаний для виявлення предмету їжі яка попала в поле зору камери. Розроблений метод перебуває в експериментальному стані. Зв’язок роботи з науковими програмами, планами, темами: робота пов’язана з темою математичних моделей та технологій в СППР. №0117U000914 Апробація: Основні положення роботи доповідались і обговорювались на науковій факультетській конференції ІСТУ-2019. Публікації: наукові положення дисертації опубліковані в II-му номері міжнародного наукового журналу «Інтернаука» 2019 року. «Інтегрування алгоритму розподіленого машинного навчання і механізму диференціальної конфіденційності в систему краудсенсінгу» / Романенко Лев Анатолійович – с. 93-98. IІ Всеукраїнська науково-практична конференція молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019). «Використання математичного апарату диференціальної приватності у розподіленому машинному навчанні для портативних пристроїв» / Романенко Лев Анатолійович.Документ Відкритий доступ Інтелектуальна система аналізу даних з використанням байєсово-лінгвістичних мереж(КПІ ім. Ігоря Сікорського, 2019-12) Дмитрюк, Олег Володимирович; Баклан, Ігор ВсеволодовичЯкийсь час здавалося: навіщо всі ці байєсовські методи потрібні, у нас нейромережі і так прекрасно працюють. Але як часто буває, в якийсь момент з'ясувалося, що можна об'єднати переваги нейромережевого і байєсоволінгвістичних підходів. В першу чергу - завдяки тому, що з'явилися техніки варіаційного байєсівського виведення, і ці моделі не суперечать один одному, а навпаки, прекрасно доповнюють, взаємно посилюючи один одного. Байєсоволінгвістичний підхід прекрасно комбінується, і на наших очах відбувається все більше робіт в цьому напрямку. Скажімо, на головній конференції по машинному навчання NIPS аж чотири воркшопу, присвячених байєсовим методам, і частина воркшопів - якраз по їх схрещування з нейронними мережами. Таким чином, байєсоволінгвістичні мережі та їх використання для анлізу данних дозволяють підвищити продуктивність та ефективність праці і автоматично стають дуже затребуваними в розробці, а їх впровадження стає актуальною задачею повсякдення Мета дослідження: Основна мета даної роботи полягає в дослідженні та розробці математичних та програмних засобів для байєсоволінгвістичної мережі та їх використання для анлізу данних. Для реалізації поставленої мети були сформульовані наступні завдання: Дослідити існуючі реалізації байєсоволінгвістичної мережі; Дослідити існуючі алгоритми делінеаціі сигнала екг; Дослідити існуючі методи головних компонент; Розробити математичне забезпечення; Розробити програмне забезпечення; Виконати експериментальне дослідження запропонованих рішень. Об’єкт дослідження: Процес розробки байєсоволінгвістичної мереж та їх використання для анлізу данних. Предмет дослідження: Методи та алгоритми, які використовуються для байєсоволінгвістичних мереж та їх використання для анлізу данних. Методи дослідження: При проведенні досліджень і розробок у дисертаційній роботі використовувались метод головних компонент та алгоритм делінеаціі сигнала ЕКГ. Наукова новизна: Найбільш суттєвими науковими результатами магістерської дисертації є: - Імплементація методів латентних змінних та методів головних компонент; - Створення байєсоволінгвістичного класифікатора кардіоцикла ЕКГ. Практичне значення отриманих результатів визначається тим, що запропонований алгоритм з дуже низькою похибкою визначає хворобу на основі завантаженої кардіограми. Зв’язок роботи з науковими програмами, планами,темами: Апробація: Основні положення роботи доповідались і обговорювались на 3 всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019). Публікації: Наукові положення дисертації опубліковані в всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019).Документ Відкритий доступ Інтелектуальна система для аналізу кредитного портфеля банка(КПІ ім. Ігоря Сікорського, 2019-12) Романовський, Юрій Олександрович; Селін, Юрій МиколайовичАктуальність. Актуальність теми в сучасних умовах пояснюється, перш за все, ризикованістю кредитного портфеля комерційного банку при його формуванні, а також необхідністю своєчасної та повної оцінки стану як окремо взятого, так і сукупності всіх кредитів. Успішне здійснення кредитних операцій призводить до отримання банками прибутку, що сприяє підвищенню надійності і стійкості кредитної організації. Також банківського кредиту притаманне важлива перевага, що полягає в гнучкому задоволенні мінливих потреб позичальників в засобах. Таким чином, у розвитку системи банківського кредитування зацікавлені як самі банки, так і позичальники. Метою дослідження є побудова системи підтримки прийняття рішень для ефективного управління кредитним портфелем. Для досягнення поставленої мети необхідно виконати наступні завдання: - вивчити теоретичні та методологічні основи оцінки якості кредитного портфеля; - провести огляд основних підходів; - здійснити моделювання; - проаналізувати результати моделювання та оцінювання задля обґрунтованого вибору найкращої моделі; - виконати програмну реалізацію системи підтримки прийняття рішень з використанням обраної моделі; - провести дослідження ефективності розробленої інформаційної технології. Об’єктом дослідження є аналіз кредитного портфелю банку. Предметом дослідження є методи аналізу кредитного портфелю банку та модель ефективного управління ним. Методами дослідження є методи машинного навчання, які базуються на алгоритмі стохастичного градієнтного спуску. Наукова новизна. Створено систему підтримки прийняття рішень для ефективного управління кредитним портфелем, що базується на алгоритмах машинного навчання та здатна класифікувати кредити на основі значної кількості важливих параметрів позики та клієнта, яка дозволяє значно підвищити якість аналізу та ефективність управління кредитною заборгованністю. Розроблена система є універсальною і може використовуватися будь-яким банком та надає можливість користувачу вибирати за якими критеріями проводити класифікацію. Практичне значення отриманих результатів визначається тим, що запропонований алгоритм дійсно є ефективним для класифікації банківських позичок, а розроблена система підтримки прийняття рішень значно підвищує якість аналізу кредитного портфеля. Публікації. За напрямком дослідження було опубліковано такі матеріли: 1) Романовский Ю. А. Информационная система поддержки принятия решений в управлении кредитной задолженностью // Романовский Ю. А., Селин Ю.Н./ Материали за XV международна научна практична конференция, Образованието и науката на XXI век - 2019 , 15 - 22 октомври 2019 г. Закон. Икономики. Публичната администрация. Философия. : София. « Бял ГРАД-БГ » - c.6-9. 2) Романовский Ю. А. Анализ кредитного портфеля банка // Романовский Ю. А., Селин Ю.Н./ Materialły XV Międzynarodowej naukowi-praktycznej konferencji , «Perspektywiczne opracowania są nauką i technikami - 2019» , 07 – 15 listopada 2019 roku po sekcjach: Ekonomiczne nauki.- c.34-38.Документ Відкритий доступ Інтелектуальна система дослідження та аналізу текстів(КПІ ім. Ігоря Сікорського, 2019-12) Зубрицький, Андрій Юрійович; Фіногенов, Олексій ДмитровичАктуальність теми: відсутність систем для дослідження текст у українською мовою. Мета дослідження: створення математичного та програмного забезпечення для аналізу українського тексту для дослідників-лінгвістів. Для реалізації поставленої мети були сформульовані наступні завдання : - проаналізувати існуючі системи для дослідження тексту. - проаналізувати існуючі методи дослідження тексту. - реалізувати три методи дослідження тексту. - спроектувати архітектуру системи, що масштабується. - розробити веб-додаток для використання системи. - проаналізувати ефективність реалізованих методів. - розробити стартап-проект для створеної системи. Об’єкт дослідження: класи методів аналізу тексту. Предмет дослідження: аналіз українського тексту на різних рівнях мови. Методи дослідження : теоретичні, емпіричні, порівняння, аналіз Наукова новизна: Найбільш суттєвими науковими результатами магістерської дисертації є: - створено модель розпізнавання тональності українського тексту - запропоновано архітектура системи, що масштабується та містить можливість додавання модулів до неї. Практичне значення отриманих результатів визначається тим, що реалізовану систему дослідники лінгвісти можуть використовувати для аналізу тексту. Зв’язок роботи з науковими програмами, планами, темами: наукові дослідження лінгвістів. Апробація: Основні положення роботи доповідались і обговорювались на двух конференціях. Публікації: Наукові положення дисертації опубліковані в двух наукових журналах.Документ Відкритий доступ Інтелектуалізація обчислень для задач розрахунку стійкості конструкцій(КПІ ім. Ігоря Сікорського, 2019-12) Богурський, Денис Олександрович; Хіміч, Олександр МиколайовичМагістерська дисертація: 96 с., 16 рисунок, 11 табл., 1 додаток, 31 джерел. Цілком очевидно, що адекватний опис та дослідження такого складного явища як втрата стійкості в конструкціях не можуть бути достовірно реалізовані в рамках двомірних прикладних теорій стійкості тонкостінних елементів (пластин, оболонок і т. д.). Наявність високопродуктивної сучасної обчислювальної техніки та новітніх комп’ютерних технологій дають можливість перейти до розгляду тривимірних математичних моделей процесів розрахунку стійкості конструкцій та споруд, деформування та руйнування твердого тіла, хімічних процесів тощо. Очевидно, що розгляд проблем в такій постановці приводить до моделей великих розмірів, які потребують значних комп’ютерних ресурсів та нових ефективних алгоритмів розв’язування задач. Математичні моделі багатьох інженерних задач описуються системами диференціальних рівнянь або різницевими рівняннями, розв’язання яких полягає у визначенні власних значень і власних векторів матриць, що, як правило, мають розріджену структуру. І дуже часто це є однією з фундаментальних і ресурсномістких задач. Від ефективності розв’язування саме АПВЗ в значній мірі залежить ефективність розв’язування всієї проблеми. Характерною їх особливістю матриць в цих задачах є надвеликі порядки (до десятків мільйонів), а кількість ненульових елементів складає kn , де k n , n – порядок матриці. Отже, проблема створення ефективних алгоритмів розв’язання АПВЗ розріджених матриць на комп’ютерах гібридної архітектури є досить актуальною. Зв’язок роботи з науковими програмами, планами, темами. Робота виконувалась на філії кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Інтелектуалізація обчислень для задач розрахунку стійкості конструкцій». Метою даної роботи є прискорення проектування конструкцій за допомогою автоматичного вибору алгоритму розв’язання задачі та застосування графічних 4 процесорів для прискорення обчислень. Досягнення мети базується на розробці нейронної мережі для визначення типу вхідної матриці, розробці гібридних алгоритмів для розв’язування задачі алгебраїчної проблеми власних значень (АПВЗ), до якої зводиться задача моделювання стійкості конструкцій, а також на аналізі оцінок ефективності та прискорення розроблених гібридних алгоритмів. Об’єктом даного дослідження є процес класифікації вхідних матриць розрідженої структури та розв’язання часткової узагальненої АПВЗ для стрічкових симетричних матриць великого розміру за допомогою гібридного алгоритму методу ітерацій на підпросторі. Предмет дослідження – паралельні методи та комп’ютерні алгоритми знаходження розв’язку АПВЗ з розрідженими матрицями нерегулярної структури. Наукова новизна: наукова новизна полягає у використанні нейронної мережі для класифікації типу вхідної матриці, що дозволяє використати оптимальний алгоритм розв’язання задачі, що сприяє раціональному використанню комп’ютерних ресурсів та змешенню загального часу знаходження розв'язку. Також новизна даної роботи полягає у розробленні гібридного алгоритму, який передбачає використання графічних процесорів для ресурсозатратних обчислень при роз'язанні, що прискорює вирішення задачі визначення стійкості конструкцій. Публікації: За матеріалами дисертації було опубліковано 3 наукові роботи: 1 стаття та 2 тез доповідей на конференціях.Документ Відкритий доступ Інформаційна система «Реєстр держслужбовців»(КПІ ім. Ігоря Сікорського., 2019-12) Ганжа, Владислав Валерійович; Томашевський, Валентин МиколайовичМагістерська дисертація: 83 с., 12 рис., 5 табл., 51 джерело, 2 додатки. Актуальність. Актуальність застосування статистичних досліджень в різних напрямках діяльності компанії викликана дедалі більшим інтересом власників і керівників бізнесу до комплексної кількісної оцінки його результативності. Важливою складовою, при цьому, є оцінка ефективності управління людськими ресурсами (УЛР). В сучасних умовах глобальної конкуренції і небувалого прискорення технічного прогресу компанії постійно знаходяться в стані змін, пов'язаних з удосконаленням продукції, що випускається, розширенням асортименту послуг, що надаються, оптимізацією виробничих та управлінських процесів, від якості яких, багато в чому, залежить і успіх. Керівники все частіше і наполегливіше говорять про те, що для управління людськими ресурсами слід регулярно проводити вимірювання і аналіз змін ключових показників ефективності УЛР, досліджувати їх тренди в інтересах досягнення стратегічних цілей бізнесу. Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського». Мета дослідження – мета роботи полягає в розробці методики застосування багатофакторного регресійного аналізу для проведення кількісного дослідження ефективності управління людськими ресурсами. Для реалізації поставленої мети в роботі вирішуються наступні завдання: 1) аналіз функціональних завдань управління персоналом і основних статистичних показників, що застосовуються в його роботі; 2) вибір показників для оцінки ефективності управління людськими ресурсами; 3) вибір показників для проведення багатофакторного регресійного аналізу; 4) розробка та апробація моделей багатофакторного регресійного аналізу для оцінки ефективності управління персоналом. Об’єкт дослідження – процеси статистичних (кількісних) оцінок показників, які використовуються для управління людськими ресурсами. Предмет дослідження – методи аналізу та прогнозування стратегії УЛР. Наукова новизна отриманих результатів Розроблено підходи та методи вирішення поставленої задачі із використанням регресійного аналізу. Використання розроблених моделей та методів дозволяє провести аналіз і оптимізацію стратегію УЛР. Публікації. Матеріали роботи опубліковані в тезах на 3-ї всеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технології управління» (ІСТУ-2019).