Кафедра штучного інтелекту (ШІ)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра штучного інтелекту (ШІ) за Назва
Зараз показуємо 1 - 20 з 117
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Foundations of sustainable development. Common issues of sustainable development. Seminar class(Igor Sikorsky Kyiv Polytechnic Institute, 2023) Dzhygyrey, Iryna Mykolaivna; Verlan, Andriy AnatoliiovychУ виданні викладено вимоги до проведення семінарського заняття «Загальні питання сталого розвитку» освітнього компоненту «Основи сталого розвитку». Навчальний посібник містить детальну рейтингову систему оцінювання освітнього компонента. Видання забезпечує вивчення студентами теоретичного матеріалу щодо основних концепцій розвитку суспільства, передісторії, передумов, віх і принципів сталого розвитку, підготовку до семінарського заняття, є корисним для самостійної роботи.Документ Відкритий доступ Hybrid Neuron Networks Based on Q-, W- and Classical Neurons(Національний авіаційний університет, 2019) Chumachenko, O. I.; Dychko, S. T.; Rizhiy, А. R.Документ Відкритий доступ Semi-controlled Learning in Information Processing Problems(Національний авіаційний університет, 2022) Sineglazov, V. M.; Chumachenko, O. I.; Heilyk, E. V.Документ Відкритий доступ Автоматизація класифікації стадій сну методами машинного навчання(2023) Деньгуб, Дар’я Сергіївна; Жиров, Олександр ЛеонідовичДипломна робота: 102 ст., 10 табл., 28 рис., 1 додаток, 26 джерел. Об’єкт дослідження – задача оцінювання стадій сну на основі даних полісомнографії. Предмет дослідження – застосування методів машинного навчання для класифікації даних. Метою роботи є реалізація моделі машинного навчання для класифікації стадій сну відповідно до даних полісомнографії. У роботі розглядаються два основні підходи застосування методів машинного навчання для класифікації стадій сну. Перший полягає у використанні апріорних знань про сигнал для вилучення ознак і подальше застосування класифікатора для оцінки фаз сну. Другий базується на використанні згорткових мереж для автоматичного вилучення ознак та класифікації стадій за допомогою повнозв’язних шарів. Результатом роботи є найкраща побудована модель, яка обрана на основі порівняння метрик якості, для вирішення задачі класифікації стадій сну на основі даних полісомнографії.Документ Відкритий доступ Автоматизована система вибору алгоритму машинного навчання та оптимізації гіперпараметрів в задачі класифікації(2023) Скорощека, Аліна Олегівна; Кот, Анатолій ТарасовичДипломна робота: 10 рис., 6 табл., 14 джерел. У цьому документі розглянута проблема оптимізації гіперпараметрів в задачі класифікації. Робота присвячена розробці алгоритму напівкерованого машинного навчання, який може використовуватися в багатьох сферах: класифікації тексту, аналізу зображень та відео, виявленні шахрайства, виявленні аномалій, розпізавання мови і багатьох інших. Метою дипломної роботи є розробка автоматизованої системи вибору алгоритму машинного навчання та оптимізації гіперпараметрів в задачі класифікації.Документ Відкритий доступ Автоматизована система навчання напівкерованої машини опорних векторів(2023) Дідок, Тарас Андрійович; Синєглазов, Віктор МихайловичДипломна робота містить: 101 с., 9 табл., 46 рис., 2 додатки, 37 джерел У роботі розглянуто та проаналізовано методи напівкерованого навчання, а саме напівкеровану машину опорних векторів та різні підходи до її реалізації. Робота обраного підходу була представлена та досліджена на практичній задачі, а саме класифікації двовимірних точкових вибірок різної форми, а також задачі бінарної та багатокласової класифікації текстів. Об’єкт дослідження: методи напівкерованого навчання як спосіб подолання проблеми маркування даних. Предмет дослідження: метод опорних векторів та його модифікація для задачі напівкерованого навчання.Документ Відкритий доступ Автоматична декомпозиція ознак для спільного навчання з одним уявленням(2023) Яровий, Сергій Сергійович; Чумаченко, Олена ІллівнаДипломна робота: 78 сторінок, 17 рисунків, 20 таблиць, 1 додаток, 46 джерел. Об’єкт дослідження – Алгоритми спільного навчання і декомпозиція даних з одним уявленням. Предмет дослідження – новий алгоритм спільного навчання на основі адаптованого алгоритму стохастичного поширення міток і порівняння його точності і швидкодії з існуючими рішеннями. Мета роботи – розробити алгоритм спільного навчання, що перевищує поточні рішення за швидкістю роботи і точністю, для проведення аналізу для невідкладних ситуацій, на кшталт гострої серцевої недостатності. Актуальність – Через структуру більшості алгоритмів напівкерованого навчання, при роботі з даними великої розмірності, вони потребують попередньої декомпозиції ознак для більш ефективної роботи основного алгоритму а також великі витрати часу для роботи. В умовах невідкладної ситуації, швидкодія є фактором, зрівнянним по важливості з точністю. У роботі створено новий метод спільного навчання і проведено порівняльний аналіз з існуючими рішеннями. Було обрано оптимальні значення гіперпараметрів для різних наборів даних.Документ Відкритий доступ Агентна архітектура механізмів консенсусу в блокчейні(КПІ ім. Ігоря Сікорського, 2022) Лисов, Богдан Сергійович; Тимощук, Оксана ЛеонідівнаМагістерська дисертація: 100 с., 25 табл., 16 рис., 15 джерел, 1 додаток. Об’єкт дослідження — транзакції блокчейну в залежності від механізму консенсусу. Предмет дослідження — застосування методів штучного інтелекту та інтелектуальних агентів для підбору параметрів мережі блокчейн. Мета роботи — розробка агентної архітектури для аналізу блокчейну Ethereum, роботи його транзакційного механізму в умовах обраного механізму консенсусу та порівняння цих механізмів у вигляді зібраних метрик часу проходження транзакції, кількості витрачених ресурсів та безпечності концепту. В роботі проведено огляд різних механізмів консенсусу блокчейну в залежності від підібраних параметрів мережі за допомогою інтелектуальних агентів. Розглянуті сучасні методи штучного інтелекту в агентних архітектурах та їх роль у дослідженні світу криптовалют, і, в свою чергу, впливу криптовалют на довколишнє середовище. Зібрано дані ефективності використання наборів протоколів, стимулів та ідей, які дозволяють мережі вузлів погоджувати стан блокчейну в залежності від налаштування мережі, що дозволяє оцінити доцільність використання того чи іншого механізму консенсусу. Застосовано штучний інтелект для проведення збору та аналізу метрик часу проведення транзакцій, їх стійкості до зламу, кількості використаних обчислювальних ресурсів і відповідно кількості витраченої електроенергії.Документ Відкритий доступ Алгоритми сортування з використанням нейронних мереж(КПІ ім. Ігоря Сікорського, 2022-12) Павлюк, Віра; Подколзін, Гліб БорисовичДипломна робота містить 92 с., 19 рис., 8 табл., 1 додаток, 30 джерел. Об’єкт дослідження: одновимірні масиви різної довжини, що містять цілі числа. Мета дослідження: аналіз доцільності та спроможності використання нейронних мереж у задачі сортування даних. Використані моделі: кодери-декодери послідовність-до-послідовності та мережа вказівників, класичні алгоритми сортування. Отриманні результати: виявлено, що мережа вказівників краще впоралась з задачею сортування, ніж послідовність-до-послідовності. Запропонована модифікація механізму уваги для мережі вказівників, який покращує результати роботи моделі. В рамках подальшого дослідження пропонується підвищувати точність моделі, проводити додаткові експерименти з метою мінімізації часу сортування та безпосереднього навчання моделі.Документ Відкритий доступ Аналіз наукових статей за допомогою методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Овчаренко, Олександр Сергійович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 88 с., 16 табл., 24 рис., 20 посилань, 1 додаток Мета дослідження полягає у аналізі сучасних тенденцій в класифікації наукових статей за допомогою штучного інтелекту; вирішенні задачі класифікації наукових статей та знаходження найкращого набору параметрів для графових нейронних мереж. Об’єкт дослідження: набір дата сетів Planetoid, а саме Cora та Citeseer. Предмет дослідження: методи класифікації наукових статей, методи машинного навчання для вирішення задач класифікації наукових статей, графові нейронні мережі та їх модифікації для задачі класифікації наукових статей на основі відкритих даних. Наукова новизна: знайдені оптимальні набори обраних початкових параметрів для графових нейронних мереж для їх використання в подальших моделях, що класифікують наукові статті. У межах подальшого дослідження пропонується розширити кількість моделей для класифікації та додавання нових метрик оцінювання точності класифікації наукових статей. Основні положення дослідження доповідались на конференції.Документ Відкритий доступ Біометрична автентифікація користувача смартфона за допомогою даних акселерометра(2023) Кагарлицький, Роман Євгенійович; Данилов, Валерій ЯковичДипломна робота: 122 сторінки, 24 рисунки, 14 таблиць, 1 додаток, 39 джерел. Об’єкт дослідження – розробка нейронної мережі для задачі автентифікації користувача смартфона за допомогою даних акселерометра. В наші дні майже у кожної людини є смартфон. Ми використовуємо їх для спілкування, ведення соціальних мереж, для банківських операцій тощо. Для захисту цих пристроїв ми налаштовуємо коди, паролі, шаблони свайпів та біометричні методи, такі як розпізнавання відбитків пальців та обличчя. Це приклади методів одноразової автентифікації; вони ґрунтуються на тому, що після розблокування телефону законним користувачем він буде єдиним, хто зможе ним користуватися, доки телефон не буде повторно заблокований. Традиційні методи автентифікації (перелічені вище) вимагають від користувача виконання певних дій для логування в систему. Це негативно впливає на користувацький досвід, адже змушує користувача виконувати рутинну роботу. Мета цієї роботи полягає в створенні оптимального методу біометричної автентифікації користувача смартфона з використанням даних акселерометра, застосовуючи алгоритми і підходи глибинного навчання. Розробка такого додаткового пасивного рівня захисту зробило б наші смартфони простішими в користуванні, більш захищеними, і при цьому не вимагало б якихось складних постійних обчислень – адже отримати й обробити дані вбудованого в смартфон акселерометра дуже просто в наші дні і це не потребує потужного процесора.Документ Відкритий доступ Великі мовні моделі в розробці текстових ігор(КПІ ім. Ігоря Сікорського, 2024) Підвальна, Анна Юріївна; Шаповал, Наталія ВіталіївнаОб’єкт дослідження: набір фактів, питань та відповідей для текстових ігор. Предмет дослідження: великі мовні моделі, їх можливості та перспективи у розробці текстових ігор. Мета дослідження: створення моделі, яка здатна генерувати питання для гри або формулювати їх на основі запропонованих фактів для автоматизації написання вмісту інтелектуальних ігор. У ході роботи досліджено можливість великих мовних моделей допомогти в автоматизації написання вмісту текстових ігор, також було розглянуто проблему галюцинацій і методи їх подолання. У результаті побудовано алгоритм, що зменшує проблему галюцинацій, здатен генерувати питання, відповідь, пояснення та джерело для інтелектуальних ігор випадковим чином на задану тему або факт, використовуючи при цьому цікаві формулювання і логіку. Також було досліджено вплив розміру датасету на адекватність алгоритму, що був розроблений.Документ Відкритий доступ Визначення емоційного забарвлення голосу за допомогою технік Deep Learning у реальному часі(КПІ ім. Ігоря Сікорського, 2022) Загарницький, Дмитро Валерійович; Шаповал, Наталія ВіталіївнаРобота об’ємом 88 сторінок, яка містить 18 рисунків, 10 таблиць, 22 джерела за переліком посилань та 3 додатки. Метою даної роботи є дослідження сучасних методів визначення емоційного забарвлення голосу та створення моделі для його аналізу у реальному часі. Об’єкт дослідження - аудіозаписи голосів. Предмет дослідження - моделі машинного навчання для визначення емоційного забарвлення голосу у реальному часі. Результатом виконання роботи став детальний аналіз роботи чотирьох моделей глибоко навчання, навчених на даних різної якості. Також було створено програмне забезпечення, яке у реальному часі аналізує емоційне забарвлення голосу, використовуючи одну з натренованих моделей. Ключові слова: Artificial Neural Network, Learning rate, SER, LVA, RNN, LSTM, GRU, CNN, Частота дискретизації, Смуга пропускання, Компандування.Документ Відкритий доступ Визначення маркетингових параметрів для побудови моделі прогнозування попиту за допомогою нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Новіков, Михайло Сергійович; Синєглазов, Віктор МихайловичМагістерська дисертація – 58 с., 8 рис., 12 табл., 29 посилань, додаток. Актуальність теми. У роботі розглянуто проблему в області моделювання попиту товару на ринку в маркетингу за допомогою методів штучного інтелекту та машинного навчання. Показано основні особливості існуючих підходів до побудови моделей товарів на ринку, їх переваги та недоліки. Виявлено потребу у їх вдосконаленні. Представлено нову методологію для розвʼязання задачі. Мета дослідження. Основною метою є знаходження маркетингових параметрів для побудови моделі прогнозування попиту за допомогою нейронних мереж з використанням реальних даних. Об’єкт дослідження: маркетингові дані про товари. Предмет дослідження: нейронна мережа, маркетингові параметри. Методи дослідження: багатошаровий перцептрон, лінійна регресія. Наукова новизна результатів магістерської дисертації полягає в тому, що спроектовано та реалізовано методологію визначення маркетингових параметрів явного рівняння моделі товару на ринку за допомогою його апроксимації нейронною мережею на реальних даних. Практичне значення отриманих результатів полягає в тому, що реалізовані запропонований метод визначення маркетингових параметрів явного рівняння. Продемонстрована здатність моделі гарно прогнозувати споживчий попит на основі різноманітних маркетингових параметрів, що допомагає підприємствам ефективніше планувати запаси, виробництво та персонал. Це може призвести до значної економії коштів і підвищення ефективності.Документ Відкритий доступ Визначення приналежності людини до певної раси з використанням штучного інтелекту(КПІ ім. Ігоря Сікорського, 2022) Павловський, Євген Андрійович; Шубенкова, Ірина Анатоліївна,Магістерська дисертація: 71 с., 26 табл., 22 рис., 13 джерел, 1 додаток. Об’єктом дослідження є задача визначення раси людини по фото. Предмет дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та нейронна мережа, побудована на механізмі уваги, моделі штучного інтелекту. Мета дослідження полягає у аналізі фото данних, підборі моделей для прогнозування, реалізації методів прогнозування на основі механізмів штучного інтелекту та вибір найкращого методу. Як результат дослідження було запропоновано та розроблено модель прогнозування даних, що використовує механізми штучного інтелекту, як авторегресійні моделі, нейронні мережі довгої короткострокової пам'яті та модель на основі механізму уваги. Проведено порівняння побудованих моделей та вибрано найкращу за метриками Loss та f1. Результат даної роботи можна застосувати при вирішенні подібних задач короткострокового прогнозування нестаціонарних часових рядів.Документ Відкритий доступ Використання великих мовних моделей в персоналізованій превентивній медицині XXI століття(2023) Супрунюк, Юлія Володимирівна; Тимошенко, Юрій ОлександровичДана робота присвячена дослідженню можливостей використання великих мовних моделей для покращення персоналізованої превентивної медицини. У роботі розглядається поняття превентивної медицини, її значення та основні принципи. Крім того, досліджується роль великих мовних моделей у покращенні превентивної медицини. Представлено детальний огляд таких моделей, як GPT (Generative Pre-trained Transformer) і Med-PaLM. Описано архітектуру та принципи роботи цих моделей. У роботі також описано архітектуру додатку, який буде допомагати користувачам слідкувати за станом свого здоров'я та надавати персоналізовані рекомендації на основі показників здоров'я. Додаток буде використовувати GPT для аналізу інформації, отриманої від користувачів, та, буде здатний виявляти потенційні ризики, а також рекомендувати заходи з профілактики і покращення здоров'я. Дана робота та її результати буде корисна для людей, які піклуються про своє здоров’я та медичних установ, щоб полегшити роботу з пацієнтами. Потенційний додаток може значно полегшити процес моніторингу стану здоров'я та надавати цінні рекомендації користувачам для підтримки їх загального благополуччя та профілактики захворювань. Загальний обсяг роботи: 84 с., 10 рис., 8 таблиць, 25 джерело.Документ Відкритий доступ Виявлення пошкоджених будівель на супутникових зображеннях(2023) Бірук, Сергій Володимирович; Барановська, Леся ВалеріївнаДипломну роботу виконано на 97 аркушах, вона містить 4 додатки та перелік посилань на використані джерела з 25 найменувань. У роботі наведено 27 рисунків та 9 таблиць. Актуальність теми полягає в тому, що пошкоджені будинки можуть служити індикаторами загального впливу природних або техногенних катастроф на інфраструктуру. Аналіз супутникових зображень дають уявлення про розуміння масштабів шкоди та забезпечення цілеспрямованої відповіді, що зрештою сприяє захисту та необхідної підтримки для цивільного населення у зонах катастрофи. Метою дослідження є переглянути існуючу літературу з аналізу супутникових зображень для оцінки пошкоджень будівель, алгоритмів виявлення об’єктів і згорткові моделі для класифікації зображень руйнувань будинків; по-друге, розробити метод виявлення пошкоджень будівель на супутникових зображеннях за допомогою згоркових мереж, який включає алгоритм виявлення об’єктів та класифікатор; і по-третє, оцінити ефективність запропонованого методу на наборі даних супутникових зображень, що містять будівлі з різним ступенем пошкодження. Об’єктом дослідження є супутникові знімки та будинки на цих зображеннях. Предмет дослідження – різні моделі виявлення об’єктів та класифікації зображень.Документ Відкритий доступ Встановлення відповідності зображення і мовного опису за допомогою глибинного навчання(КПІ ім. Ігоря Сікорського, 2024) Крижанівська, Олена Володимирівна; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 86 с., 17 табл., 19 рис., 28 посилань, 1 додаток. Об’єкт дослідження – вибірка даних, пари зображень та текстових описів до них. Предмет дослідження – нейронна мережа, завдання якої встановлювати відповідність між мовним описом та зображеннями. Мета дослідження – запропонувати модель, що з високою точністю встановлюватиме відповідність між описом та зображенням. У сучасній інформаційній ері, коли обсяги доступної інформації надзвичайно великі, виникає необхідність розробки та вдосконалення методів автоматичної обробки текстової і графічної інформації. Однією з актуальних задач є встановлення відповідності між зображеннями і мовними описами, що відкриває безліч можливостей для розвитку різних застосувань, в тому числі покращення пошукових систем, автоматичне розпізнавання зображень та підтримку людей з обмеженими можливостями. Відповідність між графічною та текстовою інформацією важлива для багатьох сучасних додатків і систем, таких як пошукові системи, розпізнавання образів, аналіз медичних даних і багато інших. Метою дослідження є запропонувати модифіковану модель. Це дозволить покращити якість та швидкість роботи інформаційних систем, що базуються на аналізі інформації. Основні положення дослідження доповідалися на конференції «Системи і технології зв’язку, інформатизації та кібербезпеки: актуальні питання і тенденції розвитку» та висвітлено у публікаціях автора у фаховому виданні категорії Б.Документ Відкритий доступ Глибоке навчання з підкріпленням для керування дроном в задачі переслідування(КПІ ім. Ігоря Сікорського, 2024) Рибалко, Анастасія Анатоліївна; Касьянов, Павло ОлеговичОб’єкт дослідження – завдання керування дроном в рамках задачі переслідування об’єктів. Предмет дослідження – застосування методів глибокого навчання з підкріпленням для вирішення завдання керування дроном у задачі переслідування об'єктів. Мета роботи – розробка та оптимізація системи керування дроном на основі глибокого навчання з підкріпленням з метою ефективного переслідування об'єктів в умовах обмежених обчислювальних ресурсів. Досліджено, наскільки використання навчання з підкріпленням є життєздатним методом для ведення переслідування за допомогою автономного дрона. Результати показали, що існує потенціал у використанні методів RL, зокрема мереж DQN та PPO, для цього завдання, особливо у порівнянні із прямими статичними підходами. Крім того, реалізація представлень стану, які включають інформацію про динамічні рухи об’єктів та їхні відстані, демонструє значні переваги перед алгоритмами RL, які покладаються виключно на вхідні дані камери. Результати цієї роботи рекомендується використовувати для навчання моделей напівкерованого навчання в задачах переслідування. Результати цієї роботи заплановано апробувати на міжнародній конференції.Документ Відкритий доступ Детекція прямих для генерації TikZ коду(2023) Лобанов, Денис Артемович; Шаповал, Наталія ВіталіївнаДипломна робота містить 86 сторінок текстової частини, 42 ілюстрацій, 7 таблиць, 1 додаток, 11 бібліографічних посилання. Об’єкт дослідження: вибірка прямих. Мета дослідження: розглянути існуючі інструменти для розв’язку задачі; сконструювати набір даних для відповідної задачі, на основі яких нейронна мережа навчиться розпізнавати прямі з зображення; конвертувати в TikZ код, щоб отримати якісний малюнок в PDF файлі. Використані моделі: фреймворк Keras [10], де будується модель згорткової нейронної мережі. Отримані результати: побудовано модель нейронної мережі, що поверне координати кінців прямих, на основі яких повертається TikZ команда, що можна вставити в середу розробки LaTeX. В рамках подальшого дослідження планується вдосконалити модель шляхом побудови більш якісних наборів даних, створити нову модель для розпізнавання інших геометричних фігур: коло, еліпс, прямокутник тощо.