Дисертації (ІПЗЕ)
Постійне посилання зібрання
У зібранні розміщено дисертації, які захищені працівниками кафедри.
Переглянути
Перегляд Дисертації (ІПЗЕ) за Ключові слова "algorithm"
Зараз показуємо 1 - 2 з 2
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Методи та програмні засоби аналізу акустичних сигналів на основі нейромережевих моделей(КПІ ім. Ігоря Сікорського, 2025) Олексій, Артур Олегович; Верлань, Андрій Анатолійович; Варава, Іван АндрійовичОлексій А. О. Методи та програмні засоби аналізу акустичних сигналів на основі нейромережевих моделей − Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 12 Інформаційні технології за спеціальністю 121 Інженерія програмного забезпечення. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2025. Дисертаційна робота присвячена розробці науково-методичного апарату аналізу акустичних сигналів водного середовища на основі нейронних мереж. Метою дисертаційної роботи є підвищення точності класифікації та підвищення продуктивності обробки при аналізі акустичних сигналів. Об'єктом досліджень є процеси функціонування програмних засобів обробки і аналізу акустичних сигналів. Предметом досліджень є методи, алгоритми та програмні засоби обробки та аналізу акустичних сигналів. Обробка та аналіз акустичних даних підводного середовища є складною та затратною задачею через складні умови навколишнього середовища. Наприклад, стандартні процедури обробки сигналів не впораються з поставленою задачею через фактори, такі як наявність численних джерел шумів, нерівні границі водного каналу, низьке співвідношення сигнал/шум, великий обсяг отриманої інформації тощо. Більшість класичних методів використовують спрощені припущення для зручної математичної обробки, що неухильно призводить до неадекватних результатів. У зв'язку з вищезазначеним виникає потреба в альтернативному підході до обробки підводних акустичних сигналів, яким є нейронні мережі. Вони здатні до асоціативної пам'яті, коли патерни запам'ятовуються та порівнюються з вхідними даними. Вони можуть адаптуватися до навколишнього середовища, регулюючи свої вільні параметри та навіть змінюючи свою структуру чи стратегію розв’язання проблем. Нейронні мережі добре справляються з нечіткою інформацією. Отже, вони мають очевидні переваги перед традиційними методами у галузі розпізнавання образів. Нейронні мережі - це масивно паралельні та розподілені обробники. Вони можуть забезпечити набагато вищу швидкість обчислень, маючи потенціал для реалізації складних обчислень у режимі реального часу. Вони стійкі до збоїв, оскільки складаються з великої кількості нейронів, кожен з яких має переважно локальний зв'язок. Пошкодження декількох нейронів чи їх синаптичних зв'язків не повинно суттєво погіршувати загальну продуктивність. Нейронні мережі, як правило, є нелінійними системами через те, що кожен нейрон у нейронній мережі є нелінійною одиницею обробки. Деякі нейронні мережі є універсальними апроксиматорами в тому сенсі, що вони можуть апроксимувати будь-який неперервний та нелінійний вхід-вихід з будь-якою бажаною точністю. З цих причин нейронні мережі особливо добре справляються з розв'язанням нелінійних задач. У останні роки нейронні мережі успішно використовувалися для обробки підводних акустичних сигналів у багатьох прикладних застосуваннях. Таким чином, нейронні мережі є задовільною технологією для побудови уніфікованого засобу для аналізу інформації, використання якого допоможе досягти високої гнучкості та ефективності, обробки великих обсягів даних та адаптації до зовнішніх умов. Проблеми аналізу акустичних сигналів водного середовища були розглянуті в роботі вчених O'Neill J., Roberts S., Smith, J., Miller, R., Wang, X., Ashraf, H., Song, Y., Chen, J., Liu, J., Liu, C. та українських вчених В. А. П'ятаковича, А. М. Василенка, О. В. Хотинського, А. І. Верланя, Є.М. Мачуський. Робота виконувалась в рамках договору: № Д/020.01/0204.02/58/2020 від 23 грудня 2020 р. між КПІ ім. Ігоря Сікорського та Інститутом Океанографічного Приладобудування Академії наук провінції Шандунь (КНР) про виконання наукової теми “Дослідження інтелектуальних комп’ютерних моделей та алгоритмів аналізу сигналів морського середовища”. Одержані результати запропонованого методу полягають у наступному: Удосконалено метод аналізу акустичних сигналів водного середовища, а саме, класифікації на основі нейронних мереж шляхом застосування багатомасштабної згортки та середнього пулінгу до нейромережі CNN-SOP, що надає можливість підвищити точність класифікації на 3% для датасетів з низьким вмістом фонових шумів та на 9% для датасетів з високим вмістом фонових шумів. Отримав подальший розвиток метод придушення шумів акустичних сигналів водного середовища зашумлених фоновими шумами на основі нейромережі UWAR GAN шляхом зменшення кількості шарів та розміру вхідного тензора, що уможливлює збереження якості придушення шумів, а саме характеристик SNR та RMSE очищеного сигналу, зменшивши тривалість тренування в 10 разів. Вперше запропоновано архітектуру програмного забезпечення аналізу акустичних сигналів водного середовища на основі нейронних мереж, характерною особливістю якої є застосування адаптивного створення нейромережевих моделей, залежно від характеристик вхідних даних, що дає змогу підвищити точність класифікації сигналів з фоновими шумами на 2%. За результатами тестування на різних датасетах акустичних сигналів водного середовища, покращений метод CNN SOP показав кращі результати, а саме вищу точність класифікації. Результати дослідження є вагомим внеском у розвитку теоретичних та практичних дослідженнях аналізу акустичних сигналів водного середовища. Перспективними напрямками подальших досліджень є подальше покращення методу шляхом імплементації та застосування нейромережі для розширення вибірки акустичних сигналів водного середовища та нейромережі для визначення напрямку приходу акустичного сигналу у водному середовищі.Документ Відкритий доступ Методи і алгоритми аналізу геоданих для рішення задачі оцінки антропогенного впливу на довкілля(КПІ ім. Ігоря Сікорського, 2023) Бандурка, Олена Іванівна; Барабаш, Олег Володимирович; Шпурик, Вадим ВадимовичБандурка О. І. Методи і алгоритми аналізу геоданих для рішення задачі оцінки антропогенного впливу на довкілля. − Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 12 Інформаційні технології за спеціальністю 121 Інженерія програмного забезпечення. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2023. Дисертаційна робота присвячена розробці науково-методичного апарату прогнозування виникнення лісових пожеж на основі статистичної моделі в інтеграції з геододатками для підтримки управлінських рішень. Людська діяльність за останні десятиріччя призвела до катастрофічних наслідків, які проявляються в незворотних процесах, що роблять навколишнє середовище непридатним до життя. Негативний антропогенний вплив має глобальні наслідки, такі як зміна клімату внаслідок зміни балансу газів в атмосфері, забруднення грунтів важкими металами, нафтопродуктами, радіоактивними речовинами, вирубка лісів, яка сягає катастрофічних планетарних масштабів. Але найбільшою техногенною катастрофою є масштабні лісові пожежі. Щороку внаслідок пожеж знищуються сотні тисяч гектарів лісового фонду. Статистика лісових пожеж по всьому світу і зокрема, в Україні, дозволяє зробити висновок, що причиною лісових пожеж (75-80 %) є антропогенний фактор. Саме тому, загальне завдання прогнозування лісових пожеж з застосуванням засобів сучасних інформаційних технологій для зниження негативних наслідків лісових пожеж на сьогодні є актуальним. Метою дисертації є підвищення ефективності (оперативності та достовірності) обробки геоданих для мінімізації ризиків виникнення лісових пожеж на основі статистичної моделі Байєса для підтримки управлінських рішень. Екологічне прогнозування, зокрема передбачення подій в лісових екосистемах, ґрунтується на статистичних даних. Заходи по попередженню та нейтралізації лісових пожеж вимагають створення складних математичних моделей, що включає проведення моніторингу, передбачає моделювання задач, що є неструктурованими та потребує застосування сучасних інформаційних технологій. Дослідження існуючих науково-обґрунтованих підходів в аналізі геоданих для рішення задач оцінки антропогенного впливу на довкілля та, безпосередньо, пов’язаних з розробкою методів та моделей дослідження лісових пожеж, дозволили зробити висновок про формування, за останні роки, нового пріоритетного підходу, пов'язаного із забезпеченням інформаційним системам модульності, універсальності, можливості обробки великих об’ємів статистичних даних та проведення складних розрахунків. Проблеми моделювання лісових пожеж розглянуті в роботах С.Ю. Антонова, Ю.А. Абрамова, Д.С. Воробйова, А.Є. Басманова, Г.А. Доррера, А.Н. Дигала, Л.М. Куценка, А.А. Тарасенка. Розробці геоінформаційних систем присвячені роботи Х.М. Бурштинської, О.В. Барабаша, І.Л. Долинської, В.В. Шпурика, С.С. Кохан, Г.А. Кучука, Г.В. Худова., В.В. Гнатушенка, Я.В. Шидловської, О.В.Коваля, І.В. Рубана та зарубіжних вчених Grégoire J-M., Pinnock S., Jones P.D., Moberg A, C. Donald Ahrens та інших. Отже, у сучасних умовах важливим завданням є мінімізації ризиків виникнення лісових пожеж на основі статистичної моделі Байєса для підтримки управлінських рішень. Це складне завдання доцільно поділити на ряд часткових завдань, одним з яких є створення математичної моделі прогнозування виникнення лісових пожеж. Існуючі фізико-математичні моделі дослідження розповсюдження та нейтралізації лісових пожеж розглядають наслідки розповсюдження пожежі, а не самі причини виникнення. Теоретичні моделі засновані на фундаментальних фізико-математичних та хімічних законах, але верифікація таких моделей досить складна. Статистичні моделі використовують лише статистичні дані. Напівемпіричні моделі застосовують загальні фізичні закони у вигляді спрощених залежностей. Проте завдяки автоматизованим системам, які вміщують математичний апарат, відбувається спрощення моделей. Дисертаційна робота виконана відповідно з поточними та перспективними планами наукової та науково-технічної діяльності Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського» і є частиною досліджень в рамках науково-дослідних робіт: – «Теоретико-методичні основи аналізу ризику в контексті розробки механізмів захисту критичної енергетичної структури в Україні» (Державний реєстраційний номер № 0117U006080, м. Київ); – «Управління ризиками сталого розвитку території з використанням методів штучного інтелекту» (Державний реєстраційний номер № 0120U105256, м. Київ). Особисто автором в НДР №0117U006080 запропоновано метод визначення територій, уражених пожежами, на основі космічних знімків; в НДР №0120U105256 розроблено математичну модель прогнозування виникнення лісових пожеж на основі статистичної моделі Байєса. Наукова новизна одержаних результатів полягає в наступному. Вперше розроблено архітектуру програмного забезпечення системи прогнозування виникнення лісових пожеж на основі статистичної моделі Байєса, яка відрізняється від існуючих використанням математичної моделі оцінки впливу температури навколишнього середовища на імовірність виникнення лісових пожеж, методу дешифрування супутникових знімків та математичної моделі прогнозування виникнення лісових пожеж. Використання зазначеного програмного забезпечення дозволяє розробити інформаційну систему прогнозування лісових пожеж. Вперше розроблено математичну модель оцінки впливу температури навколишнього середовища на ймовірність виникнення лісових пожеж, яка базується на аналізі довгострокового періоду кліматичних статистичних даних, за допомогою Data Science. Модель дозволяє проводити дослідження впливу глобальних змін температури на виникнення лісових пожеж. Удосконалено метод дешифрування супутникових знімків для ідентифікації пожежонебезпечних місць та визначення територій, уражених пожежами, яка заснована на спектральному аналізі температур яскравості. Зазначений метод при дешифруванні дозволяє виключити із знімків фрагменти, які покриті хмарами та зайняті водними об’єктами для встановлення просторово-часових характеристик пожеж. Реалізація даного методу також дозволить встановити території, уражені пожежами, та визначити їх клас пожежної небезпеки.торій, уражених п Вперше розроблено математичну модель прогнозування виникнення лісових пожеж на основі статистичної моделі Байєса, яка заснована на оцінюванні апостеріорних імовірностей таксаційних характеристик лісових виділів. Зазначена математична модель є основою для розробки програмного забезпечення прогнозування виникнення лісових пожеж та підвищує точність оцінювання зазначених апостеріорних імовірностей в середньому на 12-18 %. Удосконалено методику оцінки наслідків пожеж за даними дистанційного зондування Землі, яка на відміну від існуючих, адаптована на обробку знімків низької роздільної здатності та базується на встановленні пожежного індексу. Реалізація зазначеної методики дозволить підвищити точність оцінювання породного складу та площ уражених ділянок лісових угідь в середньому на 8-12 %, а також підвищити оперативність вирішення завдань у порівнянні з традиційними методиками у 25-30 разів. Створено інформаційну базу даних на основі керованої класифікації знімків, що дозволяє встановлювати породний склад деревних насаджень та підготовлювати знімки для подальшої обробки. Оброблені космічні знімки забезпечують широке охоплення лісових угідь, високу точність результатів, адже об'єктивна і своєчасна інформація моніторингу лісових насаджень необхідна для вирішення широкого класу прикладних завдань. Розроблений метод ідентифікації лісових пожеж допомагає виявляти їх на початковій стадії і приймати оперативні рішення, що сприяє подальшому оцінюванню наслідків пожеж. Створена база даних, що входить до функціоналу системи, не лише зберігає необхідну інформацію, але й дозволяє витягувати її за необхідності. Головною перевагою є те, що в ній зберігаються космічні знімки формату GeoTIFF і вона дає можливість структурувати їх. Зокрема, запропонована статистична модель Байєса та дешифрування космічних знімків підвищили достовірність запропонованих альтернативних рішень при прогнозуванні ризиків виникнення лісових пожеж. Це дозволяє підвищити ефективність (оперативність та достовірність) роботи компетентних органів, які спеціалізуються на нейтралізації наслідків пожеж. За результатами моделювання на основі використання статистичної моделі Байєса досягнуто підвищення точності прогнозування виникнення лісових пожеж, що забезпечує надійність вирішення надзвичайних ситуацій та підвищує достовірність прийняття управлінських рішень за рахунок створеного програмного комплексу в процесі виникнення катастрофічних ситуацій, спричинених лісовими пожежами. Наукові результати досліджень є внеском у розвиток теоретичних і прикладних основ розроблення й дослідження науково-методичного апарату з розробки моделей та методів прогнозування виникнення лісових пожеж. Перспективними шляхами подальших досліджень є розробка нових та удосконалення існуючих методик для мінімізації ризиків виникнення лісових пожеж на основі використання систем підтримки прийняття рішень.