Кафедра обчислювальної техніки (ОТ)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра обчислювальної техніки (ОТ) за Назва
Зараз показуємо 1 - 20 з 1456
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Android застосунок для селекції домашніх тварин(КПІ ім. Ігоря Сікорського, 2024) Герейханов, Тимур Кахриманович; Каплунов, Артем ВолодимировичДипломна пробота присвячена створенню готового клієнт-серверного мобільного додатку для Android, що спрощує та підвищує ефективність процесу пошуку партнера для домашнього улюбленця. В роботі докладно розглядаються всі етапи розробки клієнтської та серверної частин: від аналізу предметної області до проектування і написання програми. Результатом є готовий мобільний додаток з серверною частиною, що є повністю відповідне заявленим вимогам.Документ Відкритий доступ Android-додаток для оптимізації закупок ресторану(КПІ ім. Ігоря Сікорського, 2020-06) Максимов, Олексій Сергійович; Антонюк, Андрій ІвановичВ бакалаврській дипломній роботі розроблено Android-додаток, що спрощує роботу для персоналу ресторанів. За рахунок цього додатку буде спрощена процедура замовлення необхідних продуктів до ресторану. Можливість корегувати замовлення та переглядати необхідні данні по замовнику. Також ведеться повний контроль складу. Для розробки програми, використано мову Java та засобом програмування алгоритму є середа розробки Android Studio.Документ Відкритий доступ Android-додаток для орієнтації на конкретній місцевості(КПІ ім. Ігоря Сікорського, 2019) Прокопошин, Андрій Орестович; Павлов, Валерій ГеоргійовичБакалаврської дипломної роботи Прокопишина Андрія Орестовича на тему: «Android-додаток для орієнтації на конкретній місцевості». Ціль роботи – розробка локального додатку для навігації по деякій обраній місцевості. Задачі – аналіз сучасних навігаційних систем та їх сфер застосування, розробка алгоритму роботи програми, опис роботи додатку. У проекту є наступні функціональні можливості: зручні інтерфейс та дизайн програми, навігація до обраних об’єктів, перегляд карти та цікавих місць поблизу. Для розробки програми були використані інструменти Microsoft Visual Studio. Розробка проводилась мовою програмування C#, з допомогою інструментів Xamarin.Документ Відкритий доступ Andrоid додаток для пошуку та рекомендації медіа-контенту(КПІ ім. Ігоря Сікорського, 2021) Іванець, Арсентій Олегович; Каплунов, Артем ВолодимировичВ бакалаврській дипломній роботі створено Android додаток, необхідний для рядового користувача, для спрощення та економії часу в процесі вибору медіа контенту, а також подальшої рекомендації для нього. Завдяки цій програмі користувач зможе шукати для себе відповідний медіа-контент(фільми), тим самим створючи списки своїх вподобань, що в подальшому буде впливати на його рекомендації, тим самим оптимізуючи процес вибору, також, користуючись іншими інструментами додатку, користувач зможе користуватися різноманітними фільтрами, для більш точних рекомендацій. Таким чином, створений список із вподобаних фільмів з відповідними фільтрами буде мати точні рекомендації. Для розробки відповідної програми, використано мову Kotlin та засобом програмування алгоритму є середа розробки Android Studio.Документ Відкритий доступ CPU кеш шарінг детектор для C/C++ програм(КПІ ім. Ігоря Сікорського, 2024) Гогсадзе, Микола Георгійович; Луцький, Георгій МихайловичВ магістерській дисертації розглядається принцип роботи детектора кеш шарінгу для CPU в C/C++ програмах. В якості практичної частини реалізований програмний продукт, який здійснює аналіз і виявлення проблем кеш шарінгу в багатопоточних додатках. Програма дозволяє виявити випадки неефективного використання кешу CPU, що можуть призводити до зниження продуктивності, та оцінити їх вплив на загальну ефективність виконання програм. Програмний продукт був створений для мов C та C++ з використанням відповідних бібліотек та інструментів для аналізу продуктивності.Документ Відкритий доступ CRM система обліку й оренди нерухомості(КПІ ім. Ігоря Сікорського, 2021-06) Фролов, Микита Костянтинович; Алещенко, Олексій ВадимовичВ бакалаврському дипломному проєкті реалізовано CRM систему обліку й оренди нерухомості. Програма надає можливість створення та ведення обліку об’єктів, клієнтів та контрагентів у системі, з можливістю перегляду статистики по угодам. Серверна частина реалізована на мові програмування Java з використанням вебфреймворку Spring. Для написання клієнтської частини додатку використовувалася мова програмування JavaScript з використанням вебфреймворку React.Документ Відкритий доступ E-commerce платформа для цифрової електронікі з гнучкою системою інтеграції у інфраструктурі веб-сервісів(КПІ ім. Ігоря Сікорського, 2023) Скліпісь, Владислав Олегович; Шемседінов, Тимур ГафаровичТемою даного дипломного проекту є розробка E-commerce платформи для цифрової електроніки з гнучкою системою інтеграції у інфраструктурі веб-сервісів. Головними завданнями даної розробки є створення зручного та сучасного веб-додатку для продажу цифрової електроніки у мережі інтернет. У ході роботи було проведено аналіз існуючих рішень, виявлено їх переваги та недоліки, а також визначено основні вимоги до продукту та засобів реалізації. Дане програмне забезпечення створювалося за допомогою таких інструментів: Node.js, Express, React.js, PostgreSQL, Bootstrap.Документ Відкритий доступ Ecrypted Network Classification With Deep Learning(КПІ ім. Ігоря Сікорського, 2020) Зайяд, Абдаллах Мухаммед; Роковий, Олександр ПетровичДисертація складається з 84 сторінок, 59 Цифри та 29 джерел у довідковому списку. Проблема: Оскільки світ стає більш безпечним, для забезпечення належної передачі даних між сторонами, що спілкуються, було використано більше протоколів шифрування. Класифікація мережі стала більше клопоту з використанням деяких прийомів, оскільки перевірка зашифрованого трафіку в деяких країнах може бути незаконною. Це заважає інженерам мережі мати можливість класифікувати трафік, щоб відрізняти зашифрований від незашифрованого трафіку. Мета роботи: Ця стаття спрямована на проблему, спричинену попередніми методами, використовуваними в шифрованій мережевій класифікації. Деякі з них обмежені розміром даних та обчислювальною потужністю. У даній роботі використовується рішення алгоритму глибокого навчання для вирішення цієї проблеми. Основні завдання дослідження: 1. Порівняйте попередні традиційні методи та порівняйте їх переваги та недоліки 2. Вивчити попередні супутні роботи у сучасній галузі досліджень. 3. Запропонуйте більш сучасний та ефективний метод та алгоритм для зашифрованої класифікації мережевого трафіку Об'єкт дослідження: Простий алгоритм штучної нейронної мережі для точної та надійної класифікації мережевого трафіку, що не залежить від розміру даних та обчислювальної потужності. Предмет дослідження: На основі даних, зібраних із приватного потоку трафіку у нашому власному інструменті моделювання мережі. За 4 допомогою запропонованого нами методу визначаємо відмінності корисних навантажень мережевого трафіку та класифікуємо мережевий трафік. Це допомогло відокремити або класифікувати зашифровані від незашифрованого трафіку. Методи дослідження: Експериментальний метод. Ми провели наш експеримент із моделюванням мережі та збиранням трафіку різних незашифрованих протоколів та зашифрованих протоколів. Використовуючи мову програмування python та бібліотеку Keras, ми розробили згорнуту нейронну мережу, яка змогла прийняти корисне навантаження зібраного трафіку, навчити модель та класифікувати трафік у нашому тестовому наборі з високою точністю без вимоги високої обчислювальної потужності.Документ Відкритий доступ FUSE файлова система(КПІ ім. Ігоря Сікорського, 2021) Прокопович, Олександр Леонідович; Роковий, Олександр ПетровичДокумент Відкритий доступ HRCRM–система для управління персоналом(2022) Подаш, Антон Миколайович; Волокита, Іван МиколайовичУ данійроботі було детально розглянуто 2 популярнійсистеми для управління персоналом. Був зробленийїх повноцінийтехнологічнийта користувацькийаналіз. На основі аналізу були вибрані найкращі практики в розробці подібних систем, функціонал та програмні модулі, які увійшли в основу розробленоїпрограми. В результаті роботи було розроблено повноцінну систему, їїсерверну частину та користувацькийінтерфейс. За основу було взято мікросервісну архітектуру, що дає можливість в майбутньому ризширювати функціонал системи, додаючи необхідні модулі, таким чином система є індивідуальною під кожного користувача. Система була розроблена технологічному стеку Node.js, Express.js, Next.js.Документ Відкритий доступ IoT пристрій на базі мікроконтролера STM32(КПІ ім. Ігоря Сікорського, 2021-06) Музика, Михайло Олександрович; Сімоненко, Валерій ПавловичВ бакалаврській дипломній роботі був реалізований IoT пристрій на базі мікроконтролера STM32 зі спряженням з ним мобільного телефону. Система дозволяє запрошувати дані від плати, використовуючи технологію bluetooth. Програмний продукт складається із двох частин, мікроконтролера оснащеного датчиками вимірювання температури, освітленості та тиску та розробленої програми на мові програмування C.Документ Відкритий доступ IoT система з використанням акселерометра для SmartCity(КПІ ім. Ігоря Сікорського, 2020) Копійка, Антон Олександрович; Ткаченко, Валентина ВасилівнаВ бакалаврській дипломній роботі розроблено систему пошуку дефектів дорожнього покриття з використанням акселерометра, як частину системи ІоТ. Дана система може бути використана для інтегрування в крупні ІоТ системи на кшталт SmartCity, вмонтовані в автомобілі. Продукт був створений за допомогою програмного забезпечення Keil uVision та STM32 CubeMX, на мові С. Програма для відображення результатів роботи реалізована на мові Python.Документ Відкритий доступ Method of increasing the efficiency(КПІ ім. Ігоря Сікорського, 2020) Light, Ukpu Michael; Сергієнко, Анатолій МихайловичАктуальність теми. Для швидкісного вирішення задач цифрової обробки сигналів, зокрема для обробки сигналів рекурсивними фільтрами широко використовуються програмовані логічні інтегральні схеми (ПЛІС). Реалізація рекурсивних фільтрів у ПЛІС основана на широкому використанні апаратних блоків множення. При цьому решта програмованих ресурсів використовується нераціонально. Отже, для підвищення ефективності використання програмованих ресурсів ПЛІС та зменшення їх енергоспоживання необхідне впровадження більш досконалих структур рекурсивних фільтрів. Об’єктом дослідження є проектування процесорів для цифрової обробки сигналів. Предметом дослідження є розробка високопродуктивних конвеєрних рекурсивних фільтрів. Мета роботи: створення методу проектування високопродуктивних рекурсивних фільтрів, призначених для конфігурування в ПЛІС. Наукова новизна полягає в наступному: Запропоновано новий метод проектування апаратного рекурсивного фільтра, який базується на використанні маскуючих ступенів, блоків множення на коефіцієнт, що представлений канонічним двійковим кодом, який відрізняється тим, що коефіцієнти мають не більше трьох ненульових розрядів і шукаються за допомогою алгоритму оптимізації імітованого відпалбвання. Це забезпечує як більшу пропускну здатність, так і менший об'єм обладнання, коли синтезовані фільтри конфігуруються в ПЛІС. Практична цінність отриманих в роботі результатів полягає в тому, що цифрові фільтри, які розроблені за новим методом, дозволяють підвищити ефективність систем обробки сигналів на базі ПЛІС за рахунок зменшення їхньої вартості та збільшення продуктивності. Матеріали роботи використані у науково-дослідній роботі «Удосконалені методи та засоби проектування конфігурованих комп’ютерів на основі відображення просторового графу синхронних потоків даних у структури на базі програмованих логічних інтегральних схем», № ДР.047U005087, шифр ФІОТ-30Т/2017, яка проводиться у НТУУ “КПІ ім. Ігоря Сікорського”. Апробація роботи. Основні положення і результати роботи були представлены та обговорювались на міжнародній конференції "Безпека, Відмовостійкість, Інтелект" 13 – 14 травня 2020 року, Київ. Структура та обсяг роботи. Магістерська дисертація складається зі вступу, трьох розділів та висновків. У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми розробки систем цифрової обробки сигналів на ПЛІС, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження. У першому розділі досліджено особливості архітектури сучасних ПЛІС, розглянуто алгоритми цифрової фільтрації та їх реалізації в ПЛІС. У другому розділі розроблено метод підвищення ефективності нерекурсивних цифрових фільтрів, які реалізуються у ПЛІС. У третьому розділі досліджено ефективність використання запропонованого методу та порівняння його з існуючими методами на основі прикладів проектування рекурсивних фільтрів. У висновках представлені результати проведеної роботи. Робота представлена на 73 аркушах, містить посилання на список використаних літературних джерел і два додатки.Документ Відкритий доступ Methods and devices for recognition of human emotionality(КПІ ім. Ігоря Сікорського, 2020) Харрі, Хопе Етім; Павлов, Валерій ГеоргієвичДокумент Відкритий доступ ON-LINE ресурс для вивчення англійської мови(КПІ ім. Ігоря Сікорського, 2019) Литвинюк, Дмитро Романович; Долголенко, Олександр МиколайовичВ бакалаврській дипломній роботі реалізовано ON-LINE ресурс для вивчення англійської мови, призначений для бажаючих поглибити свої знання з англійської мови. Веб-додаток дозволяє користувачам виконувати граматичні завдання, різних рівнів та на різні теми, а також дозволяє переглядати відеоматеріали з субтитрами та читати твори англійською мовою. Програмний продукт був створений з використанням мікросервісної архітектури. Для серверної частини був використаний фреймворк ASP.NET Core та було використано бази даних MongoDB, Microsoft SQL Server та Redis. Для клієнтської частини був розроблений односторінковий додаток з використанням фреймворка Angular.Документ Відкритий доступ PWA застосунок для роботи зі спільною тактичною мапою(КПІ ім. Ігоря Сікорського, 2024) Дзюба, Олег Глібович; Виноградов, Юрій МиколайовичЦей дипломний проєкт є комплексною системою для спільної роботи з тактичними картами. Продукт буде корисним для широкого кола користувачів, особливо для українців та ЗСУ. Під час розробки було проведено ретельне дослідження потреб користувачів та аналіз сучасних геоінформаційних технологій. Для реалізації проєкту було обрано сучасний стек технологій: JavaScript, Vue.js, Python, FastAPI та PostgreSQL.Документ Відкритий доступ Research and development of self-supervised visual feature learning based on neural networks(Igor Sikorsky Kyiv Polytechnic Institute, 2024) Xu Jiashu; Stirenko, SergiiXu Jiashu. Research and development of self-supervised visual feature learning based on neural networks. - Qualified scientific work on the rights of the manuscript. Dissertation for the degree of Doctor of Philosophy in the specialty 121 - Software Engineering and 12 - Information Technologies. - National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Kyiv, 2024. This Dissertation focuses on in-depth exploration into the design and development of self-supervised learning algorithms, which are a subset of unsupervised learning techniques that operate without the need for labeled datasets. These algorithms are particularly adept at pre-training models in an unsupervised manner, with the resultant models demonstrating performance on par with their supervised counterparts across a range of downstream applications. This method is particularly advantageous as it aims to mitigate the over-dependence on extensive data labeling that is typical within deep learning paradigms, thereby enhancing efficiency and practical utility in diverse real-world scenarios. The pertinence of selfsupervised learning algorithms is especially highlighted within the realm of medical image analysis. In this specialized field, the requisites for data annotation are not only laborious but also require a high degree of precision due to the critical nature of the data involved. The difficulty of obtaining accurate annotations is compounded by the scarcity of specialists capable of providing them, which in turn underscores the transformative potential of self-supervised learning approaches within this domain. In this dissertation, a cutting-edge self-supervised learning methodology is delineated, which employs the Mixup Feature as the reconstruction target within the pretext task. This pretext task is fundamentally designed to encapsulate visual representations by the prediction of Mixup features from masked image, utilizing these feature maps to extracting high-level semantic information. The dissertation delves into the validation of the Mixup Feature's role as a predictive target in selfsupervised learning frameworks. This investigation involved the meticulous calibration of the hyperparameter , integral to the Mixup Feature operation. Such adjustments allowed for the generation of amalgamated feature maps that encompass Sobel edge detection maps, Histogram of Oriented Gradients (HOG) maps, and Local Binary Pattern (LBP) maps, providing a rich, multifaceted representation of visual data. For the empirical application of this novel method, the visual transformer was selected as the principal architecture, due to its proficiency in handling complex visual inputs and its emphasis on critical image regions. This choice was further reinforced by the insights derived from the Masked AutoEncoder (MAE) approach, which illuminated the potential of utilizing partially visible inputs to reconstruct full images, thus enhancing the model's predictive capabilities in a self-supervised context. A denoising self-distillation Masked Autoencoder model for self-supervised learning was developed. This model synthesizes elements from Siamese Networks and Masked Autoencoders, incorporating a tripartite architecture that includes a student network in the form of a masked autoencoder, an intermediary regressor, and a teacher network. The underlying proxy task for this model is the restoration of input images that have been artificially corrupted with random Gaussian noise patches. This is a strategic choice designed to encourage the model to learn robust feature representations by distilling clean signals from noisy inputs. In doing so, the model is trained to reconstruction of the degraded image, effectively teaching it focus on the essence of the visual content. To ensure comprehensive learning, the model harnesses a dual loss function mechanism. One function is calibrated to reinforce the global contextual understanding of the image, thereby enabling the model to grasp the overall structure and scene configuration. Concurrently, the second function is tailored to refine the perception of intricate local details, ensuring that fine visual nuances are not lost in the process of denoising and reconstruction. Through this innovative approach, the model aspires to achieve a delicate balance between the macroscopic comprehension of visual scenes and the meticulous reconstruction of localized details, a balance that is pivotal for sophisticated image analysis tasks in self-supervised learning frameworks. An exhaustive analysis was executed to assess the experimental performance of two innovative self-supervised learning algorithms, specifically applied to three benchmark datasets: Cifar-10, Cifar-100, and STL-10. This study aimed to benchmark these algorithms against existing advanced self-supervised techniques grounded in Masked Image Modeling. In comparison to other state-of-the-art selfsupervised methods based on Masked Image Modeling, the mixed HOG-Sobel feature maps obtained using Mixup showed outstanding performance on Cifar-10 and STL-10 after full fine-tuning, with an average performance improvement of 0.4%. Additionally, the pre-trained model of the Deep Masked Autoencoder (DMAE) was subjected to a rigorous evaluation. When full fine-tuned on the STL-10 dataset, this model demonstrated a modest yet significant edge over the conventional Masked Autoencoder (MAE), exceeding its performance by a margin of 0.1%. This finding shed light on the potential of DMAE in enhancing model accuracy. Moreover, the study revealed that in comparison to traditional self-supervised learning strategies reliant on contrastive learning, the Mixup Feature method emerged as more efficient. It offered the advantage of shortened training durations and negated the requirement for conventional data augmentation methods, thus streamlining the learning process. In conclusion, the two self-supervised learning algorithms introduced in this research contribute to the expanding repertoire of methods for masked image modeling. Their demonstrated effectiveness on benchmark datasets illuminates their potential for broader applications, particularly in larger and more complex datasets. The application of these self-supervised learning algorithms was effectively expanded to encompass the domain of medical image analysis. This extension involved the utilization of self-supervised pre-training on specifically curated medical image datasets. Following this pre-training phase, the model thus developed was then employed for the downstream tasks. Empirical results from this study illustrate that the approach of self-supervised pre-training surpasses the efficacy of direct training methodologies. A notable enhancement in accuracy, exceeding 5%, was observed upon the Full fine-tuning of the model on the two downstream datasets. Data imbalance poses a substantial challenge in medical image analysis, as inadequate representation of specific conditions or features can negatively impact the efficacy of model training and feature extraction. Considering this, the study developed an imbalanced dataset and delved into the robustness of self-supervised pre-trained models in the context of data imbalance. The experimental findings underscore the superior robustness of self-supervised pre-training methods over from scrath trained models in addressing data imbalance issues. Particularly notable is their performance in scenarios with a positive to negative sample ratio of 1:8, where they exhibit enhanced robustness compared to traditional supervised Convolutional Neural Network (CNN) pre-trained models. These results affirm the effectiveness of our proposed self-supervised pre-trained models in tackling dataset imbalance challenges. The notable improvement in the robustness of self-supervised learning algorithms augments their potential as powerful tools in medical image analysis, suggesting a prospective enhancement in accuracy within intelligent assisted diagnostic systems.Документ Відкритий доступ Rest-сервіс збереження та аналізу даних для веб застосунку(КПІ ім. Ігоря Сікорського, 2022) Ільницький, Владислав Костянтинович; Каплунов, Артем ВолодимировичУ даній дипломній роботі розроблено Rest-сервіс збереження та аналізу даних для веб застосунку з використанням хмарних технологій та методів розробки програмного забезпечення. Результатом є розроблений сервіс для обробки та аналізу великих даних у реальному часі. Сервіс надає користувачам можливість конфігурувати обробку своїх даних, та у форматі JSON відправляти їх у будь якій зручній формі, а також візуалізувати отриману інформацію та отримувати статистику у реальному часі. Продукт розроблено на мові програмування Java.Документ Відкритий доступ Software engineering. Laboratory workshop. Methodological instructions for performing laboratory work in the discipline "Software engineering"(КПІ ім. Ігоря Сікорського, 2022) Antoniuk, Andrii Ivanovych; Boldak, Andriy Oleksandrovych; Антонюк, Андрій Іванович; Болдак, Андрій ОлександровичДокумент Відкритий доступ Telegram-бот для замовлення страв з доставкою в ресторані(КПІ ім. Ігоря Сікорського, 2023) Завальнюк, Максим Євгенович; Іваніщев, Богдан ВячеславовичУ даній бакалаврській роботі була здійснена реалізація чат-бота для месенджеру Telegram. Також створено веб-сервіс з архітектурою REST API, де знаходяться усі дані, необхідні для роботи бота. Чат-бот являє собою інструмент, за допомогою якого можна створювати замовлення в ресторані, орендувати столики, а також керувати кухарями, адміністраторами та кур’єрами. В результаті роботи було розроблено власний шаблон для проектування чат-ботів, а також REST-API сервіс з можливістю фільтрувати дані, робити по ним пошук, а також надавати їх тільки авторизованим користувачам. Програмний продукт був розроблений на мові Python.