Магістерські роботи (ПМА)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/21888

Переглянути

Перегляд Магістерські роботи (ПМА) за Назва

Зараз показуємо 1 - 20 з 23
  • Ескіз
    ДокументВідкритий доступ
    Mathematical software and computer program for the problem of clustering text articles
    (КПІ ім. Ігоря Сікорського, 2023) Hamad Naser, J. H.; Tretynyk, Violeta Vikentiivna
    The thesis is presented in 85 pages. It contains 2 appendix and bibliography of 19 references, 19 figures and 4 tables are given in the thesis, the presentation slides. Topic Relevance. As we know, today's world is digital, and many people use websites and the Internet and work online. They are looking for their favorite information on any website. Still, have we ever asked ourselves how this information is achieved in a concise time, with millions of pieces of information estimated for the phrase we have entered a reasonable result? In this work, we consider how to solve text classification problems using mathematical software and computer programs and how to determine, like phrases, you can. Provide as much information as possible, accurate or similar, without error or absence. This is done through a number of models and algorithms, each of which is described in detail below. Therefore, our thesis is on the problem of text classification through mathematics and software so that we can solve these problems or eliminate them to a large extent. Clustering text content is essential in extracting useful information online or from other text resources. The common task in text clustering is to process text in a multidimensional space and break up documents into groups, where each group contains similar documents. However, this strategy does not have a comprehensive view of people as a whole, since it cannot explain the main topic of each cluster. The use of semantic information may solve this problem, but it requires a clearly defined ontology or pre-marked gold standard. In this work, we present the thematic algorithm of the clustering of text documents. Given text, thematic terms are extracted and used to cluster documents in a probabilities structure. Purpose and objectives of the study: Clustering aims to identify different groups in the data set. Mathematical software and computer program for the problem of clustering text data to improve the quality and productivity of staff working with text documents. The basic idea of model-based clustering is to approximate the density of the mixture model data. The purpose of the work is to develop mathematical software and computer programs for clustering text articles to visualize objects and automatically detect groups of semantically similar documents among a given fixed set. The end result and purpose of the work: Mathematical software and computer programs for the task of clustering text articles to improve the quality and productivity of staff working with text documents. Object of research: Methods of clustering of text data, methods of Data mining, methods of selection of non-informative words: removal of stop words, stemming and casting of register. Methods for selecting keywords and classifying results: dictionary, statistical, TF-IDF measure, F – measure. Subject of research: Algorithm of realization of division into clusters of text articles. Models of verification (adequacy verification) of the algorithm. Comparative analysis of clustering algorithms for text articles on mathematical and software. Connection of work with scientific programs, plans and topics: The work was carried out at the Department of Applied Mathematics of the National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute “within the topic “Mathematical software and computer program for the problem of clustering text article. Methods of research: The following methods were used to solve this problem: methods of the theory of systems analysis, systems engineering, modeling, Data Science systems design, natural language processing, methods of mathematical statistics, classical data analysis, machine learning, big data theory methods, data visualization and methods of clustering. Scientific novelty: New scientific results are presented in developing and implementing text classification methods and finding problems. In this regard, we are trying to make it easier for the user to get a lot of subjects and to recognize words and classify them to the most meanings so that we can get a lot of results and accurate fulfillment, and that's through it. Mathematical software and computer programs are performed using device study algorithms and creating a suitable system. The practical value of obtained results: This system that we have developed is significant in the field of online or the Internet. We have undertaken to solve the problems that face text classification. This system can be used for the search process, finding similar phrases, solving stopping problems, and finding the best results in the shortest time, and what is essential is that it saves you time. This system recognizes and provides the results as soon as possible. This is recognized by the system and provides the results with the most results, which we are trying to do here on: Mathematical software and computer program for the problem of clustering text articles. Approbation of the thesis results: Publications: V. Tretynyk, Naser J. Hamad SYSTEM OF CLASTERIZATION OF ARABIC PAPERS // Прикладнаматематика та комп’ютинг. ПМК, 2022 :п’ятнадцятанаук. конф. магістрантів та аспірантів, Київ 16-18 лист. 2022: зб. тез доп. / [редкол.: Дичка І. та ін.]. – К. : Просвіта, 2022. – с. 180-186.
  • Ескіз
    ДокументВідкритий доступ
    Математичне моделювання деформування косого стику трубопроводу методом розʼєднання звʼязаних задач
    (КПІ ім. Ігоря Сікорського, 2024) Юдін, Гліб Євгенович; Ориняк, Ігор Володимирович
    Дисертацію виконано на 80 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 32 найменувань. У роботі наведено 13 рисунків та 2 таблиці. Актуальність теми. Трубопровідна інженерія є однією з важливих складових різних інженерно-промислових проєктів, оскільки проблема транспортування різних рідин і газів виникає доволі часто. Одним з невідʼємних елементів будь-якої трубопровідної системи є її згини: по-перше, організація процесу на заводах чи інших промислових обʼєктах рідко влаштована так, що речовини транспортуються від одного процесу до іншого за прямою лінією. І по-друге, згини дозволяють компенсувати температурні деформації та мінімізувати зміни тиску в трубопроводі. У той час як заводські згини (коліна) є дорогими та не завжди доступні в наявності, секторні зварні коліна (косі стики) є значно дешевшою та доступнішою альтернативою. Проблема полягає в тому, що наявні методи моделювання косих стиків є застарілими й неточними. Через відсутність коректного математичного апарату використання косих стиків часто заборонене різними стандартами. Це підкреслює важливість даної дослідницької роботи. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є створення математичного та програмного забезпечення для моделювання напружено-деформованого стану косого стику трубопроводу при заданих параметрах трубопроводу (радіус, товщина стінки, кут повороту, матеріал) та початкових умовах (внутрішній тиск, згинальний момент). Для досягнення вказаної мети було розв’язано такі задачі: - ознайомитися з елементами теорії пластин та оболонок, дослідити наявні методи моделювання косого стику трубопроводу; - дослідити метод розʼєднання звʼязаних задач для розвʼязання системи диференціальних рівнянь різної природи; - дослідити узагальнений метод Гальоркіна для розвʼязання граничних умов; - розробити математичне та програмне забезпечення для моделювання напружено-деформованого стану косого стику трубопроводу; - порівняти отримані результати з теоретичними, зробити висновки про точність методу. Об’єктом дослідження є косий стик трубопроводу та повʼязані з ним математичні моделі: елементи теорії балок і оболонок (циліндричних і тороїдальних), методи фізики деформації твердого тіла, методи математичної фізики, метод скінченних елементів, теорія звичайних лінійних диференціальних рівнянь. Предметом дослідження є напружено-деформований стан косого стику трубопроводу при дії зовнішнього навантаження, а саме — вплив згинального моменту та внутрішнього тиску на різні фізичні величини для косого стику. Методи дослідження. Для розв’язання поставленої задачі використано метод розʼєднання звʼязаних задач та узагальнений метод Гальоркіна. Наукова новизна одержаних результатів складається з таких положень: - розроблено та досліджено метод розʼєднання звʼязаних задач для нескінченної циліндричної оболонки та для косого стику трубопроводу; - знайдено напіваналітичну форму залежності різних компонентів напружено-деформованого стану оболонки між собою; - розвʼязано задачу з нестандартною кількістю граничних умов за допомогою узагальненого методу Гальоркіна; - створено математичне та програмне забезпечення для моделювання напружено-деформованого стану косого стику трубопроводу для різних початкових умов. Практичне значення одержаних результатів. По-перше, використання отриманого математичного та програмного забезпечення для моделювання й проєктування реальних трубопровідних систем. По-друге, перевірка на коректність наявних стандартів у сфері використання трубопроводів шляхом порівняння з результатами, отриманими в цій роботі. По-третє, використання результатів, отриманих методом розʼєднання звʼязаних задач, для подальших задач теорії тонкостінних оболонок: наприклад, моделювання вібрацій циліндричної оболонки. Апробація результатів дисертації. Основні положення й результати роботи представлено на Міжнародній науковій конференції «Сучасні проблеми механіки та математики — 2023» (2023 р., Львів, Україна). Публікації. Результати дисертації викладено в 4 наукових працях, у тому числі: - у 2 статтях у наукових журналах, включених до переліку журналів, що індексуються в Scopus; - в 1 статті у науковому журналі, включеному до Переліку наукових фахових видань України з технічних наук; - в 1 публікації у працях і тезах доповідей міжнародних наукових конференцій.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи аналізу відтоку клієнтів
    (КПІ ім. Ігоря Сікорського, 2024) Сафонов, Артур Валерійович; Третиник, Віолета Вікентіївна
    Дисертацію виконано на 135 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 42 найменувань. У роботі наведено 45 рисунків та 10 таблиць. Актуальність теми. Проектування системи для аналізу відтоку клієнтів з використанням методів машинного навчання є дуже актуальною задачею в сучасному бізнес-середовищі. У сучасному світі конкуренція між компаніями росте, і залучення нових клієнтів стає дорожчим та складнішим завданням. Однак важливим аспектом підтримання прибутковості є збереження існуючих клієнтів. Зменшення відтоку клієнтів стало однією з ключових цілей для багатьох компаній, оскільки втрата клієнтів може призвести до значного зниження доходів та втрати ринкової частки. З використанням системи для аналізу відтоку клієнтів, побудованої на основі методів машинного навчання, компанії можуть: • Прогнозувати відтік клієнтів: Аналізуючи історичні дані та поведінку клієнтів, система може передбачити, які клієнти можуть ризикувати відтоком, і вчасно приймати заходи для їх утримання. • Покращувати сервіс та персоналізацію: Збір та аналіз даних про клієнтів дозволяє компаніям краще розуміти їхні потреби і надавати персоналізований сервіс. • Розробляти маркетингові стратегії: Система може допомогти визначити ефективні маркетингові стратегії для збереження клієнтів та виведення їхнього життєвого циклу. • Вдосконалювати продукти та послуги: Аналіз відтоку дозволяє ідентифікувати слабкі місця у продуктах або послугах, які можуть призводити до втрати клієнтів, і вдосконалювати їх. • Збільшувати прибутковість: Зменшення відтоку клієнтів може призвести до збільшення прибутків компанії без необхідності постійно привласнювати нових клієнтів. Отже, аналіз та прогнозування відтоку клієнтів з використанням методів машинного навчання стає важливим інструментом для підтримки стабільного та прибуткового розвитку бізнесу в сучасних умовах. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Мета дослідження "Система для аналізу відтоку клієнтів з використанням методів машинного навчання " полягає в розробці і реалізації інтелектуальної системи, яка спроможна аналізувати та прогнозувати відтік клієнтів у компанії з використанням методів машинного навчання. Основні задачі дослідження можуть включати: 1. Збір та підготовка даних: Збір та обробка історичних даних про клієнтів, їхню активність та відтік. Це включає в себе структурування даних, обробку відсутніх значень та їх підготовку для подальшого аналізу. 2. Вибір методів машинного навчання: Визначення найбільш підходящих методів машинного навчання для завдання аналізу відтоку. Це може включати класифікаційні моделі, класичні методи аналізу даних, або нейронні мережі. 3. Розробка та навчання моделей: Створення та навчання моделей на підготовлених даних для прогнозування відтоку клієнтів. Це може включати в себе оптимізацію гіперпараметрів та забезпечення вищої точності прогнозування. 4. Тестування та ефективність моделей: Проведення тестів на окремому наборі даних для оцінки точності та ефективності моделей. Визначення метрик, таких як точність, чутливість та специфічність. 5. Впровадження системи в бізнес-процес: Інтеграція розробленої системи в робочий процес компанії з метою моніторингу та управління відтоком клієнтів. 6. Моніторинг та оптимізація: Постійний моніторинг роботи системи та її оптимізація для покращення точності прогнозування та зменшення відтоку клієнтів. 7. Звітність і візуалізація результатів: Підготовка звітів та візуалізація результатів для команди компанії, що допомагає приймати ефективні рішення щодо зменшення відтоку. Об’єктом досліджень є клієнтська база компанії, історичні дані про клієнтів, методи машинного навчання, аналіз даних, моделі прогнозування відтоку клієнтів, існуючі реалізації систем аналізу відтоку клієнтів. Предметом досліджень є розробка математичної та програмної системи для аналізу відтоку клієнтів на основі методів машинного навчання (створення та оптимізація моделей, інтеграція зі структурами компанії). Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: аналіз літератури та попередніх досліджень, кореляційний аналіз, машинне навчання, системний аналіз. Наукова новизна одержаних результатів складається з таких положень: – комплексний підхід до визначення відтоку: Удосконалено методологію аналізу відтоку, інтегруючи не лише фінансові показники, але і поведінкові метрики клієнтів; – використання високоточних методів машинного навчання: Вперше застосовано алгоритм FastForest для прогнозування відтоку клієнтів в системі. Це дозволяє досягти високої точності в результатах; – розробка методів для діагностики та відлагодження моделі. Розроблена система здатна працювати в реальному часі, що є важливим кроком у практичному впровадженні систем аналізу відтоку клієнтів. Практичне значення одержаних результатів. Результати даного дослідження мають виражене практичне значення та можуть бути використані в ряді напрямів: – оптимізація бізнес-процесів. Система аналізу відтоку клієнтів може стати незамінним інструментом для маркетингових відділів компаній різних галузей. Це дозволить прогнозувати можливий відтік клієнтів та своєчасно реагувати на цю інформацію; – підвищення конкурентоспроможності. Застосування методів машинного навчання для аналізу клієнтських даних є трендом сучасності, і компанії, які це роблять, отримують конкурентну перевагу; – персоналізація маркетингових кампаній. За допомогою розробленої системи можна сегментувати клієнтів на основі їхньої «схильності» до відтоку, що дозволяє проводити більш цільові маркетингові кампанії; – економія ресурсів. За допомогою прогнозування відтоку можна значною мірою зекономити ресурси, які би інакше були витрачені на залучення нових клієнтів; – скорочення фінансових втрат. Проактивне управління відтоком клієнтів може зменшити фінансові втрати та підвищити прибутковість бізнесу. Апробація результатів дисертації. Основні положення й результати роботи представлено на шістнадцятій науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ, 28-30 листопада 2023 р.) Публікації. Результати дисертації викладено в 1 науковій праці, у тому числі: − в 1 публікації у тезах доповідей конференцій.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи аналізу якості питної води
    (КПІ ім. Ігоря Сікорського, 2024) Чебан, Ростислав Сергійович; Лось, Валерій Миколайович
    Дисертацію виконано на 84 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 20 найменувань. У роботі наведено 20 рисунків та 4 таблиці. Актуальність теми. Важливість питання якості питної води важко переоцінити від побутового до політичного рівня. Все частіше споживачів непокоїть питання безпеки вживаної питної води та кількості якісної питної води в джерелах і родовищах. На екологічних конференціях піднімаються питання про рівень якості питної води в Європі вже в 2030 році. Звісно, актуальності питання питної води в Україні додає підрив Каховської гідроелектростанції - військовий злочин і акт екоциду здійснений росією 6 червня 2023 року. Водосховище було джерелом води населених пунктів Запорізької, Херсонської і Дніпропетровської областей. За даними Укргідроенерго, внаслідок підриву греблі Україна втратила 35-40% запасів питної води. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета дослідження. Розробити систему оцінювання якості питної води для побутових користувачів, що вирішує такі задачі користувача: Аналіз якості питної води за встановленими критеріями; Вибір найкращого варіанту в залежності від категорії користувача; Прогнозування наслідків для здоров’я при неповному дослідженні складу води; Систематизувати та візуалізувати результати досліджень Мета і задачі дослідження. Перелік завдань, які потрібно розробити: Аналіз і порівняння існуючих методів аналізу якості питної води. Первинна обробка, очищення, data featuring, класифікація, тренування отриманих даних про дослідження питної води. Валідація системи аналізу якості питної води, оцінка ефективності розробленої системи. Розгортання і підтримка WEB-додатку з користувацьким інтерфейсом Об’єктом дослідження є характеристичні методи для хімічної оцінки речовини, література з хімії води, існуючі математичні методи аналізу якості питної води, системи методів аналізу якості питної води, установки обчислення аналізу якості питної води. Предметом дослідження є система аналізу для прогнозування та візуалізації споживчої оцінки якості питної води, на основі моделей електрохімії та хроматографії. Наукова новизна одержаних результатів складається з таких положень: – реалізовано систему прогнозування негативних наслідків для організму людини при неповному дослідженні питної води; – встановлено залежності між спрогнозованим кількісним складом питної води з негативними наслідками для організму людини при довготривалому вживанні питної води. Практичне значення одержаних результатів. Розроблене програмне забезпечення можна використовувати для прогнозування негативних наслідків для організму людини з ризикових груп населення під час довготривалому вживанні питної води. Апробація результатів дисертації. Основні положення й результати роботи представлено на Науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг ПМК 2023» Публікації. Результати дисертації викладено в 1 науковій праці: - у 1 публікації у тезах, включених до Переліку наукових фахових видань України з технічних наук
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи видалення артефактів з фотографій
    (КПІ ім. Ігоря Сікорського, 2024) Юр'єва, Ксенія Геннадіївна; Вовк, Лілія Борисівна
    Дисертацію виконано на 81 аркуші, вона містить 2 додатки та перелік посилань на використані джерела з 64 найменувань. У роботі наведено 16 рисунків та 5 таблиць. Актуальність теми. Багато фотографій мають різні артефакти, такі як шум, вибійки, ретуш, бліки тощо. Ці артефакти можуть псувати якість фотографій та вимагають виправлення. Великий обсяг наукових і технологічних досліджень у галузі обробки зображень і комп'ютерного зору робить можливим розвиток нових методів і програмного забезпечення для видалення цих артефактів. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Головною метою цього дослідження є розробка та аналіз методів, які використовують математичні алгоритми та програмне забезпечення для автоматичного видалення артефактів з фотографій. Метою є покращення якості фотографій і полегшення роботи фотографів і редакторів з обробки зображень. Задачі дослідження: a. Аналіз і огляд існуючих методів видалення артефактів з фотографій. b. Розробка математичного забезпечення для видалення артефактів. c. Реалізація програмного забезпечення на основі розроблених алгоритмів. d. Порівняння та оцінка результатів, отриманих за допомогою розробленого програмного забезпечення, з існуючими рішеннями. e. Формулювання рекомендацій для використання розробленого програмного забезпечення в фотографії та інших областях. Об’єктом дослідження є фотографії та методи їх обробки. Предметом дослідження є математичні та програмні методи видалення артефактів з фотографій, таких як шум, вибійки та інші дефекти. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи проектування систем Data Science, методи машинного та глибинного навчання, методи цифрової обробки сигналів та теорії прийняття рішень. Наукова новизна одержаних результатів складається з таких положень: - Дістав подальшого розвитку підхід до реставрації старих фотографій на основі глибинного навчання із використання тридоменного перетворення. Практичне значення одержаних результатів. Запропоновані модифікації підходу до видалення артефактів із старих фотографій дозволяє оброблювати та отримувати непогані результати навіть для нечітких знімків. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023» (Київ, 28-30 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації: Результати дисертації викладено в 1 науковій праці, у тому числі: - у тезах «Підхід до реставрації фотографій на основі глибокого навчання» на XVI конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023».
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи виявлення шахраїв серед покупців інтернет-магазину
    (КПІ ім. Ігоря Сікорського, 2024) Чорненко, Юлія Сергіївна; Олефір, Олександр Степанович
    Дисертацію виконано на 83 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 23 найменувань. У роботі наведено 26 рисунків та 1 таблицю. Актуальність теми. Тема "Математичне та програмне забезпечення системи виявлення шахраїв серед покупців інтренет-магазину" має велику актуальність у сучасному інтернет-торгівельному середовищі. З підвищенням популярності онлайн- шопінгу і зростанням обсягів онлайн-продажів з'являється також і більше можливостей для шахраїв і шахрайства. Класичні методи контролю та попередження шахрайства, такі як верифікація карток і антивірусні програми, не завжди ефективні. Отже, розробка системи розпізнавання шахраїв є важливою задачею для забезпечення безпеки та стабільності електронної комерції. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Головною метою дослідження є розробка системи, яка здатна ефективно розпізнавати потенційних шахраїв серед покупців інтернет- магазину. В основі системи нейронна мережа, яка повинна допомагати магазину мінімізувати втрати від невиплат та інших форм шахрайства, забезпечуючи при цьому зручність для легітимних покупців. Розробка ефективної системи розпізнавання шахраїв, яка допоможе виявляти та запобігати шахрайським діям в електронній комерції, зокрема в інтернет-магазинах. Для досягнення цієї основної мети можуть бути сформульовані наступні задачі дослідження: - зробити огляд предметної області, провести детальний аналіз існуючих стратегій та методів протидії шахрайським діям; - виконати огляд і аналіз інструментів та технологій, придатних для розробки обраного проекту, обрати відповідні технології; - здійснити розробку математичного і програмного забезпечення системи. Об’єктом дослідження є інтернет-магазин, що дає покупцям можливість оплатити товар після декількох тижнів використання, користувачі інтернет-магазину, які здійснюють замовлення, вводять дані своєї банківської карти та мають намір скористатися можливістю сплатити за товар після двох тижнів. Дослідження передбачає вивчення поведінки користувачів, які можуть намагатися обійти правила інтернет-магазину, шляхом введення неправдивих даних або блокування зняття коштів. Предметом дослідження є система, в основі якої нейронна мережа розпізнавання шахраїв серед користувачів інтернет-магазину, зокрема розробка програмного забезпечення на базі нейронної мережі. Дослідження спрямоване на виявлення потенційних шахраїв, які намагаються використати інтернет-магазин для шахрайства шляхом вводу неправдивих даних банківської карти або блокування зняття коштів з карти після двох тижнів користування. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи теорії системного аналізу, математичної статистики, системної інженерії, моделювання, проектування систем Data Science, класичного аналізу даних, машинного та глибинного навчання, методи теорії великих даних. Наукова новизна одержаних результатів. Вперше застосовано нейронну мережу для виявлення шахраїв серед покупців інтернет-магазину, що надає можливість оплати після певного пробного періоду користування товаром. Практичне значення одержаних результатів. Математичне та програмне забезпечення системи, розроблене в цій роботі продемонструвало гарні результати та може бути запроваджене для виявлення шахраїв серед покупців інтернет-магазинів. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023» (Київ, 28-30 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено в 1 науковій праці: - 1 публікація у тезах конференцій.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи для рекомендації відеоконтенту
    (КПІ ім. Ігоря Сікорського, 2024) Бондарчук, Олександр Олександрович; Третиник, Віолета Вікентіївна
    Дисертацію виконано на 83 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 20 найменувань. У роботі наведено 21 рисунків та 5 таблиць. Актуальність теми. З погляду стрімкої цифрової трансформації та зростаючого обсягу відеоконтенту в Інтернеті, рекомендаційні системи стають ключовим інструментом для користувачів і платформ. З одного боку, рекомендаційні системи допомагають користувачам знаходити відповідний та цікавий контент в масиві доступних опцій. Це особливо важливо в умовах інформаційного перенасичення, коли велика кількість відеоконтенту може призвести до перевантаження та втрати орієнтації. З іншого боку, для платформ і постачальників відеоконтенту рекомендаційні системи є ефективним інструментом збільшення залученості та задоволення користувачів. Здатність точно рекомендувати вміст, який відповідає індивідуальним смакам та інтересам, може значно підвищити якість взаємодії з платформою та підвищити лояльність користувачів. Ураховуючи динаміку розвитку технологій, таких як штучний інтелект та глибоке навчання, рекомендаційні системи для відеоконтенту стають більш точними та персоналізованими. Це відкриває нові перспективи для покращення якості рекомендацій та розширення можливостей відеоіндустрії. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою роботи є дослідження та розробка ефективних алгоритмів для рекомендаційних систем, що дозволяють вибирати рекомендації з прийнятним рівнем релевантності в умовах великої кількості користувачів за неповної або відсутньої інформації про їх переваги, а також розробка архітектури системи, яка використовує такі алгоритми. Для досягнення вказаної мети було розв’язано такі задачі: • Розроблена та реалізована автоматизована система рекомендацій для підбору відеоконтенту користувачам. • Була вирішена проблема «холодного старту» (підбору рекомендацій для нових користувачів та нових фільмів). Об’єкт дослідження є база відеоконтенту компанії, історичні дані про відеоконтент, користувачів та їх вподобання, методи побудови рекомендаційних систем, існуючі реалізації рекомендаційних систем. Предметом дослідження є розробка математичного та програмного забезпечення системи для рекомендацій відеоконтенту на основі гібридних методів побудови рекомендаційних систем (створення та оптимізація моделей, інтеграція в веб-застосунок). Методи досліджень. Аналіз даних відеоконтенту, реалізація гібридної рекомендаційної системи, математичне моделювання впливу параметрів на результат, порівняльний аналіз з іншими методами, а також використання метрик для оцінки ефективності системи. Наукова новизна одержаних результатів складається з таких положень: − розроблено ефективне впровадження гібридного методу рекомендаційної системи для відеоконтенту, що використовує динамічний підхід до обчислення параметрів та успішно вирішує проблему "холодного старту". Практичне значення одержаних результатів. Розроблена система дозволяє користувачам користуватися рекомендаційною системою для відеоконтенту через веб-застосунок, отримувати релевантні пропозиції для переглядів та взаємодіяти з користувачем, давати можливість оцінювати переглянутий контент та зі збільшенням оцінок користувача, покращувати рекомендації. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2022» (Київ, 16-18 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено в 1 науковій праці: − 1 публікація у тезах конференцій.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи класифікації сканованих документів для ділового документообігу
    (КПІ ім. Ігоря Сікорського, 2023) Пащенко, Катерина Михайлівна; Норкін, Богдан Володимирович
    Дисертацію виконано на 96 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 28 найменувань. У роботі наведено 51 рисунки. Актуальність теми. На сьогодні все більше документів, таких як текстові документи, таблиці, схеми, платежів, заявки на роботу, різноманітні форми зберігаються та обробляються в форматі цифрового зображення. Також постає необхідність систематизовувати попередньо створені документи в паперовому вигляді та вилучати з них корисну інформацію. Тому актуальною є тематика пов’язана з класифікацією документів, адже саме це відіграє важливу роль у завданнях систематизації, сортуванні, класифікації сканованих чи сфотографованих документів в процесі ділового документообігу. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є підвищення ефективності роботи в завданнях класифікації та систематизації сканованих документів в процесі ділового документообігу. Для досягнення мети було визначено наступні завдання: - виконати аналіз існуючих систем класифікації документів; - виконати аналіз існуючих методів аналізу, передбачення та класифікації категоріальних даних; - визначити підсистеми майбутньої розробленої системи класифікації; - обрати алгоритм машинного навчання для кожної з підсистеми; - розробити процедуру підготовки вхідних даних; - спроектувати автоматизовані підсистем; - здійснити програмну реалізацію спроектованих підсистем; - провести тестування розробленої ситеми та верифікацію результатів. Методи дослідження. Для досягнення поставленої мети використовувалися такі методи: алгоритми машинного навчання, методи для обробки цифорових зображень, методи оптимізації гіперпараметрів та параметрів згорткової нейронної мережі, методи проектування систем Data Science, методи теорії алгоритмів та програмування, методи аналізу даних та математичної статистики. Об’єктом дослідження є методи класифікації документів на основі структури документу. Предметом дослідження є реалізація моделі класифікації сканованих документів для підвищення ефективності в системах електронних офісів. Наукова новизна. Удосконалено архітектуру згорткової нейронної мережі, яка за показниками точності та повноти не поступається відомим аналогам, але потребує менше часу на навчання, швидше класифікує цифрові зображення сканованих документів та потребуює менше ресурсів для розгортання і використання. Практична цінність одержаних результатів. На основі запропонованої системи для класифікації реалізовано програмний модуль для класифікації сканованих документів, що дозволяє провести систематизацію та сортування одиниць в сфері документообігу з можливістю подальшої обробки документів. Апробація результатів дисертації. Основні положення та результати роботи представлено та опубліковано на конференції ПМК 2022 (Прикладна Математика та Комп’ютинг). Публікації. Норкін Б. М., Пащенко К.М., Математичне та програмне забезпечення системи класифікації цифрових зображень текстових документів. Прикладна математика та комп’ютинг. ПМК-2022: п’ятнадцята науково-практична конференція магістрантів та аспірантів, Київ, 16-17 лист. 2022 р.: зб. Тез доп./ [редкол.: Дичка І. А. та ін.]. — К. : Просвіта, 2022. — С. 86-93.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи купівлі / продажу електроенергії в рамках низьковольтних енергомереж
    (КПІ ім. Ігоря Сікорського, 2023) Бірук, Станіслав Володимирович; Чертов, Олег Романович
    Дисертацію виконано на 84 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 47 найменувань. У роботі наведено 32 рис. та 8 таблиць. Актуальність теми полягає в тому, що впровадження потужностей відновлюваної енергетики в повсякденне життя людини дозволить розподілити навантаження на централізовану мережу передачі електроенергії та зменшити частку використання електроенергії від теплових електростанцій, які негативно впливають на навколишнє середовище. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Метою дослідження є оптимізація процесу купівлі / продажу електроенергії з метою зменшення періоду повернення інвестицій, які були залучені при встановленні технічних засобів для генерації та збереження відновлюваної енергії. Для досягнення вказаної мети було розв’язано такі задачі: − розглянуто існуючі рішення управління нелінійними та складними системами, зокрема, навчання з підкріпленням, управління з передбаченням поведінки моделі; − розроблено компонентне та динамічне представлення низьковольтної енергомережі; − розроблено програмне забезпечення для мультиагентної системи, що здійснює купівлю / продаж електроенергії. Об’єктом дослідження є гібридна енергетична система, низьковольтна енергомережа та її складові, системи керування мікромережами: HOMER, HYBRID2 та RETScreen. Поняття арбітражу на ринку електроенергії, процеси виробництва, перетворення та зберігання енергії в межах гібридної системи. Підходи та методи управління нелінійними та складними системами: навчання з підкріпленням; нечітке логічне управління та управління з передбаченням поведінки моделі. Предмет дослідження: математичне та програмне забезпечення системи купівлі / продажу електроенергії, в основу яких покладені моделі та алгоритми навчання з підкріпленням, що здійснюють арбітраж виробництва та споживання електроенергії. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи машинного навчання, навчання з підкріпленням, управління з передбаченням поведінки моделі, моделювання, проектування систем Data Science, методи теорії алгоритмів та програмування, методи аналізу даних та математичної статистики. Наукова новизна одержаних результатів роботи. Вперше в рамках єдиної мультиагентної системи прийняття рішень з купівлі/продажу електроенергії були поєднані симулювання роботи накопичувача електроенергії через модель Дойл-Фуллер-Ньюмана і обробка реальних даних про сонячне випромінення, метеорологічні показники, споживання електроенергії та її вартість, що дозволяє приймати обґрунтовані рішення з планування роботи мікромережі для зменшення рахунків за електроенергію. Практичне значення одержаних результатів. Завдяки запропонованому математичному і програмному представленні системи купівлі / продажу електроенергії можна зменшити рахунок за електроенергію. Додатково з’являється можливість дослідити вплив постійного розрядження та зарядження накопичувача електроенергії на термін його служби. Апробація результатів дисертації. Основні положення та результати роботи представлено та опубліковано на конференції ПМК 2022 (Прикладна Математика та Комп’ютинг). Публікації. Результати дисертації викладено у науковій праці: тези «Математичне та програмне забезпечення системи купівлі / продажу електроенергії потужностей відновлюваної енергетики» на XV конференції молодих вчених «Прикладна математика та комп’ютинг - ПМК’2022»
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи наближеного розв’язання матричних диференціальних рівнянь в аналітичному вигляді
    (КПІ ім. Ігоря Сікорського, 2023) Герасименко, Владислав Русланович; Лось, Валерій Миколайович
    Дисертацію виконано на 102 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 9 найменувань. У роботі наведено 33 рисунки та 10 таблиць. Актуальність теми. Добре відомо, що диференціальні рівняння, а зокрема системи таких рівнянь, представляють собою надважливий клас задач, які виникають у різних розділах науки та у прикладних задачах багатьох сфер промисловості, у тому числі і військової. Існує велика кількість чисельних та точних методів для розв’язання задач, пов’язаних з диференціальними рівняннями, в тому числі і для знаходження розв’язку задачі Коші для системи з m диференціальних рівнянь. Одним з таких методів є ітеративна процедура Пікара, яка є наближеним методом, тобто таким методом, що надає розв’язок у аналітичному вигляді. На жаль, застосування цього, та інших наближених методів, як правило, обмежується ілюстративними прикладами в рамках курсів чисельних методів, адже його реалізація на практиці, і тим паче на ЕОМ, є значно ускладненою необхідністю багаторазового інтегрування потенційно неполіноміальних функцій, з цієї причини наближені методи, і зокрема метод Пікара, майже ніколи не імплементуються програмно. Саме тому розробка нових та удосконалення існуючих наближених методів для їх застосування на ЕОМ є дуже актуальною проблемою на сьогодні. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного апарату та програмного забезпечення для наближеного розв’язання матричних диференціальних рівнянь у аналітичному вигляді. Для досягнення вказаної мети було розв’язано такі задачі: - систематизувати існуючі методи розв’язання задачі Коші для систем звичайних диференціальних рівнянь першого порядку; - модифікувати метод Пікара послідовних наближень для його застосування на ЕОМ, довести збіжність такої модифікації, оцінити похибку; - спроектувати систему розв’язання матричних диференціальних рівнянь за допомогою даної модифікації на ЕОМ; - здійснити програмну реалізацію розробленої системи, провести її тестування; - провести експериментальні дослідження. Об’єктом дослідження є наближені методи знаходження розв’язку систем звичайних диференціальних рівнянь. Предметом дослідження є алгоритми методів наближеного знаходження розв’язку систем диференціальних рівнянь із заданими початковими умовами у аналітичному вигляді. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи дійсного та функціонального аналізу (для розробки модифікації методу Пікара); методи оптимізації (для чисельного знаходження оцінки похибки); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів); методи теорії диференціальних рівнянь (для розробки математичного апарату та для проведення експериментів). Наукова новизна одержаних результатів складається з таких положень: - уперше представлено модифікацію методу Пікара та доведено її збіжність, яка, на відміну від існуючих, передбачає заміну підінтегральних функцій першими членами їх рядів Тейлора, що дає змогу спростити обчислення і реалізувати програмно цей метод на ЕОМ; - удосконалено програмну реалізацію методу Пікара, яка, на відміну від існуючих, опирається на інтегрування виключно поліномів з натуральними степенями, що дає змогу реалізувати цей метод без необхідності імплементації алгоритмів символьного інтегрування чи диференціювання, адже інтегрування поліномів є, відносно, простою операцією; - удосконалено процедуру оцінки похибки для методу Пікара, яка відрізняються від існуючих тим, що вона опирається на чисельні методи оптимізації, що дає можливість застосовувати емпіричні методи оптимізації, які є алгоритмічно простими. Практичне значення одержаних результатів. На основі запропонованої модифікації методу Пікара, побудовано веб-застосунок для наближеного розв’язання систем звичайних диференціальних рівнянь першого порядку. Апробація результатів дисертації. Основні положення й результати роботи представлено та опубліковано на конференції ПМК 2022. Публікації. - Лось В.М., Герасименко В.Р., Копичко С.М. (2022). Модифікований метод ітерацій для систем диференціальних рівнянь. ПМК-2022.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи оцінювання та аналізу рівня депресії в суспільстві
    (КПІ ім. Ігоря Сікорського, 2023) Питайло, Ірина Юріївна; Маслянко, Павло Павлович
    Дисертацію виконано на 85 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 33 найменувань. У роботі наведено 33 рисунки та 9 таблиць. Актуальність теми. Депресія є одним із найпоширеніших захворювань у світі, яке впливає на якість життя людини і може переходити у хронічну форму. Багато людей ігнорують симптоми депресії і довго не можуть з неї вийти. Тому актуальним є дослідження рівня депресії усього суспільства, визначення основних компонентів депресії для боротьби з нею. Оскільки депресія діагностується індивідуально у лікаря, то для аналізу рівня депресії усього суспільства можна використати дописи у соціальних мережах, які є у відкритому доступі і які можуть бути прив’язані до дати, місцевості, статі людини. Розробка такої модель системи оцінювання рівня депресії в суспільстві може стати аналітичним інструментом для боротьби з депресією. Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного і програмного забезпечення системи аналізу рівня депресії суспільства для боротьби з депресією. Об’єктом дослідження є депресія, види депресії, лінгвістичні маркери депресії, статистичний аналіз текстів. Шкала оцінювання депресії, визначення рівня депресії на основі тексту, обробка природньої мови, математичне представлення тексту, методи класифікації, методи кластеризації, визначення тематики тексту. Лінгвістичний аналіз тексту. Метод опорних векторів, випадковий ліст, метод к-найближчих сусідів, ДБСКАН, нейронні мережі, рекурентні нейронні мережи, трансформери. Методи зменшення розмірності даних, метод головних компонент. Метрики для оцінювання роботи алгоритмів. Точність (accuracy), чутливість (sensitivity), специфічність (specificity), повнота (recall), коефіцієнт чутливості Метьюса (MCC). Предметом дослідження є математичне та програмне забезпечення системи аналізу та оцінювання депресії на основі текстових даних, визначення тематики тексту і подальша кластеризація таких текстів за рівнем депресії та тематикою, на основі машинного навчання. Методи дослідження. Методи векторного представлення тексту, методи класифікації, методи тематичного моделювання, методи кластеризації. Наукова новизна одержаних результатів. Вперше запропоновано модель, яка робить оцінку депресивності суспільства не лише у розрізі наявності депресії, а у розрізі рівня депресії та тематики депресивних текстів. Практична цінність одержаних результатів. На основі запропонованої моделі системи для оцінювання та аналізу рівня депресії в суспільстві зроблено застосунок, який дозволяє робити моніторинг рівня депресії в суспільстві. Апробація результатів дисертації. Основні положення й результати роботи представлено та опубліковано на конференції ПМК 2022. Публікації. - Маслянко П. П. та Питайло І. Ю. (2022). Математичне та програмне забезпечення системи оцінювання та аналізу рівня депресії в суспільстві. ПМК-2022.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи пошуку судових прецедентів в судочинстві України
    (КПІ ім. Ігоря Сікорського, 2023) Мірко, Сергій Сергійович; Маслянко, Павло Павлович
    Дисертацію виконано на 130 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 24 найменувань. У роботі наведено 22 рисунків та 7 таблиць. Актуальність теми. База судових рішень в судочинстві України, які знаходяться в єдиному реєстрі судових рішень, перевищує сто мільйонів документів. До того ж вона містить декілька різновидів судових документів, таких як рішення, постанова, ухвала, вирок тощо, також має три рівні судочинства - перша інстанція, апеляція та касація, при цьому маючи досить розгалужене категорювання справ. Особливістю організації інформаційних ресурсів судочинства України є специфіка структур організації баз даних, форматів даних, процесів обробки даних, форматів запитів та інтерфейсів взаємодії з інформаційними ресурсами. Можна сказати, що в Україні де-факто існує прецедентне право, тобто раніше прийняті рішення по судових справах у відповідності до законодавства України використовуються для прийняття рішення щодо вирішення поточних справ, тобто на практиці судді використовують раніше прийняті рішення для винесення рішень по своїх поточних справах, а адвокати для розуміння того, як правильно побудувати свою правову позицію. Також в судочинстві України існують інші зацікавлені сторони, наприклад слідчі, представники влади, прокуратури тощо. Тому для інформатизації бізнес-процесів діяльності зацікавлених осіб у судочинстві України існують системи пошуку прецедентів серед вироків, рішень, ухвал та інших документів. Але існуючі системи потребують значного часу, щоб задовільнити потребу користувача у пошуку потрібного судового документа через обмежену функціональність взаємодії користувача з системою. Тому, наразі, актуальною є проблема розробки науково обґрунтованої концептуальної моделі системи пошуку прецедентів (СПП) у судочинстві України, яка б взаємодіяла з користувачем під час пошуку прецедентів з використанням підходів інтелектуального аналізу тексту та її імплементація на множині відкритих баз даних для забезпечення пошуку прецедентів серед законодавчо встановлених видів результатів судочинства України. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою є створення математичного, програмного та методичного забезпечення системи пошуку судових прецедентів в судочинстві України, яка б взаємодіяла з користувачем під час пошуку прецедентів з використанням підходів інтелектуального аналізу тексту. Для досягнення постановленої мети необхідно виконати наступні задачі: - Виконати аналіз існуючих систем пошуку прецедентів в судочинстві України - Виконати аналіз та огляд існуючих теоретичних рішень побудови систем пошуку прецедентів в судочинстві України - Виконати огляд перспективних рішень для побудови системи пошуку прецедентів в судочинстві України - Розробити уніфіковану модель системи пошуку прецедентів в судочинстві України - Розробити та описати математичне забезпечення пошуку прецедентів в судочинстві України - Розробити та описати програмне забезпечення пошуку прецедентів в судочинстві України - Провести верифікацію та валідацію пошуку прецедентів в судочинстві України Об’єкт дослідження. Методи та моделі інформаційно-пошукових систем (ІПС); підходи та функції розрахунку відповідності документа до запиту користувача; моделі, методи та алгоритми інтелектуального аналізу тексту: обробка природньої мови, представлення текстів, вилучення інформації, групування текстів; методи та підходи системної інженерії, систематизації, моделювання та проектування систем; існуючі програмні методи реалізації інформаційно-пошукових систем, існуючі системи пошуку прецедентів в судочинстві України: Єдиний державний реєстр судових рішень, Закон онлайн, База правових позицій Верховного Суду. Предмет дослідження. Системна інженерія та модель СПП на основі бізнес-профіля Еріксона–Пенкера; методи теорії системного аналізу, системної інженерії, моделювання та проектування систем пошуку текстів, розрахунку відповідності документа запиту, обробки природної мови, тематичного моделювання текстів, вилучення ключових слів, візуалізації даних; програмне забезпечення реалізації текстового пошуку ElasticSearch. Методи дослідження. Для вирішення поставленої задачі було розглянуто, методологію системної інженерії, методи та технології науки про дані, методи: тематичного моделювання текстів: LDA, NMF, Top2Vec, BERTopic; виділення ключових слів: на основі функцій подібності, Rake/Yake, на основі PageRank (графові), на основі енбедінгів; функції відповідності документа запиту користувача: TF-IDF (частота терміну до інвертованої частоти документу), Best Match 25, Divergence From Randomness Divergence From Information, Мовні моделі (Діріхле та Єлінек-Мерсер), Information Based. Огляд існуючих систем пушку прецедентів в судочинстві України: Єдиний державний реєстр судових рішень, Закон онлайн, База правових позицій Верховного Суду. Наукова новизна одержаних результатів включає в себе такі пункти: - Розроблено уніфіковану модель системи пошуку прецедентів в судочинстві України, яка б взаємодіяла з користувачем в процесі пошуку із застосуванням алгоритмів інтелектуального аналізу тексту. - Запропоновано підхід імплементації тематичного моделювання документів в систему пошуку прецедентів в судочинстві України. - Запропоновано підхід та алгоритм рекомендування пошукових слів на основі оцінок релевантності документів користувача. Практичне значення одержаних результатів. Запропоновано математичне, програмне та методичне забезпечення системи пошуку судових прецедентів в судочинстві України, яка взаємодіє з користувачем під час пошуку прецедентів з використанням підходів інтелектуального аналізу тексту, що пришвидшує пошук та аналіз судових документів в судочинстві України. Система збирає розмічені користувачем документи, як релевантні та нерелевантні до запиту, що дає можливість створити розмічений датасет судових документів. Датасет можна використати для модернізації системи, навчивши на ньому більш складні алгоритми інтелектуального аналізу тексту. Апробація результатів дисертації. Основні положення та результати роботи дисертації доповідалися та були опубліковані у матеріалах наукової конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022» . Публікації. Результати дисертації викладено в науковій праці: тези «Математичне та програмне забезпечення системи пошуку прецедентів в судочинстві України» конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022».
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи прогнозування вартості фінансових активів компанії
    (КПІ ім. Ігоря Сікорського, 2023) Агафонов, Дмитро Сергійович; Сирота, Сергій Вікторович
    Дисертацію виконано на 106 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 64 найменувань. У роботі наведено 19 рисунків та 2 таблиці. Актуальність теми. Прогнозування вартості цінних паперів є надзвичайно важливим завданням для інвесторів і фінансових установ для прийняття обґрунтованих інвестиційних рішень, ефективного управлінні ризиками та загальної ефективності портфеля. Поєднання технічного аналізу активів ансамблювання моделей машинного та глибокого навчання, аналізу настроїв фінансових новин за допомогою мовних моделей має великий потенціал для підвищення точності та надійності прогнозів цін на акції. Технічний аналіз активів передбачає використання статистичних методів для аналізу історичних даних про ціни та обсяги для виявлення тенденцій і закономірностей на фондовому ринку. Цей метод десятиліттями використовувався трейдерами та інвесторами для прийняття інвестиційних рішень. Технічний аналіз можна автоматизувати та застосувати до великих наборів даних, дозволяючи робити більш точні та надійні прогнози. Методи глибокого навчання можуть вивчати складні взаємозв’язки між різними ринковими факторами, що дає точніші прогнози. В такі моделі можуть бути включені останні ринкові новини, економічні показники та інші відповідні фактори, щоб надати більш тонку та детальну інформацію. Ансамблювання моделей передбачає поєднання кількох моделей для підвищення точності та надійності прогнозів. Аналіз настроїв фінансових новин передбачає використання методів обробки природної мови для аналізу новинних статей і соціальних мереж, щоб визначити настрої ринку щодо певної акції чи компанії. Цей метод може надати додаткову інформацію про ринкові тенденції та настрої інвесторів, що призводить до більш точних прогнозів. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного та програмного забезпечення для покращення прогнозу вартості фінансових активів компанії (порівняно з традиційними методами прогнозування часових рядів) із застосуванням семантичного аналізу тексту, автоенкодерів, ансамблю моделей, генеративних змагальних мереж GAN з метою підвищення конкурентоспроможності компанії на ринку, покращення оптимізації та управління її ресурсами, забезпечення інвесторів та клієнтів фінансовим прогнозом. Для досягнення вказаної мети було розв’язано такі задачі: − Збір та аналіз необхідних для навчання моделей даних; − Тренування різних моделей машинного навчання, їх ансамблювання; − Розробка інтерфейсу та забезпечення роботи програми в реальному часі. Об’єктом дослідження є система прогнозування вартості фінансових показників компанії з використанням генеративних змагальних мереж GAN та навчання з підкріпленням RL. Методи технічного аналізу для прогнозування ймовірної зміни цін. Нейронні мережі для роботи з текстом spacy, nltk, BERT та finBERT. Алгоритми пониження розмірності t-SNE, UMAP, Factor Analysis, Feature Selection methods, Autoencoders. Методи прогнозування часових рядів багатовимірна лінійна регресія, ARIMA, марківська модель, fast-forward NN, RNN LSTM. Методи ансамблювання базових моделей bagging, stacking, boosting. Генеративні змагальні мережі GAN. Існуючі комерційні програмні рішення: StocksNeural, Stocksight, Deep Convolution Stock Technical Analysis. Предметом дослідження є техніки ансамблювання моделей машинного навчання, вплив на вартість фінансових активів компанії таких показників, як корельовані активи – показники залежних, схожих за економічною діяльністю або конкуруючих компаній; біржеіві товари – енергетична сировина, кольорові та дорогоцінні метали, промислова сировина тощо; курси валют; фондові індекси; кількість запитів в пошуковій системі; фінансові новини. Можливості технічного аналізу для прогнозування ймовірних змін вартості фінансових показників. Створення інформативних високорівневих ознак ззастосуванням t-SNE, UMAP, Feature Selection methods, Autoencoders. Порівняльний аналіз базових моделей прогнозування, об’єднання їх в ансамбль методами bagging, stacking, boosting. Можливість застосування генеративної змагальної мережі GAN, підбор моделей для генератора та дискримінатора. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи машинного навчання з учителем, навчання з підкріпленням, генеративні змагальні мережі, методи зменшення розмірності та вибору важливих ознак. Наукова новизна одержаних результатів полягає в потенціалі для покращення процесу прийняття інвестиційних рішень та управління ризиками на фінансових ринках за допомогою програмного забезпечення, створення якого є метою даної магістерської дисертації, що здатне інтегрувати набір методологій та алгоритмів в єдину систему, що дозволяє надавати більш точні та надійні прогнози. Програмне забезпечення здатне поєднувати велику кількість ознак (отриманих шляхом дата майнингу, інженирінгу ознак, технічного аналізу), ансамблі моделей машинного та глибокого навчання, мовну модель визначення емоційної забарвленості фінансових текстів для надання більш точних та надійних прогнозів порівняно з наявними існуючими рішеннями. Тому підхід до прогнозування фінансової інформації, який полягає в використанні якомога більшої кількості ознак для навчання моделі і представлений в даній дипломній роботі є найбільш вдалим та актуальним. Практичне значення одержаних результатів. Реалізовану систему можна застосовувати для проведення аналітики та прогнозування економічного стану окремої компанії; під час торгів на ринку акцій в режимі реального часу. Апробація результатів дисертації. Деякі положення й результати роботи дисертації доповідались та опубліковані у матеріалах XV наукової конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022» ( Київ 16-17 листопада 2022 року). Публікації. Результати дослідження, викладені в одному з розділів дисертації, представлені в науковій праці: тези «Порівняльний аналіз підходів і методів оцінювання емоційного забарвлення фінансової інформації про поточний стан підприємства» на XV конференції ім. магістрантів та аспірантів «Прикладна математика та обчислювальна техніка – ПМК-2022».
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи прогнозування захворювання людини на діабет II типу
    (КПІ ім. Ігоря Сікорського, 2023) Городецький, Дмитро Сергійович; Бай, Юлія Петрівна
    Дисертацію виконано на 110 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 27 найменувань. У роботі наведено 36 рисунків та 11 таблиць. Актуальність теми. Сьогодні діабет є однією з найбільш поширених хвороб у світі та в Україні. Кількість хворих на діабет швидко зростає з кожним роком. Ця хвороба має багато важких ускладнень, які можуть загрожувати життю людини, зокрема інсульт, інфаркт, ретинопатія, навіть ампутації кінцівок. Лікування хворих на діабет, втрата працездатних людей, утримання інвалідів завдають також значної шкоди економіці країни. Загальні втрати економіки можуть сягати десятків мільярдів гривень або приблизно 1-2.5% ВВП. Окрім того, значна кількість хворих на діабет є не діагностованими, що збільшує ймовірність виникнення ускладнень. Саме тому дуже актуальним є розроблення та використання оптимальних методів прогнозування захворювання на діабет. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного та програмного забезпечення системи прогнозування ризику захворювання на діабет, що допоможе виявити групи людей з ризиком виникнення діабету, а також оптимізація та підвищення точності класифікації вже існуючих методів. Для досягнення вказаної мети було розв’язано такі задачі: − проаналізувати існуючі методи прогнозування захворювання на діабет; − розробити одиночні моделі машинного навчання для прогнозування захворювання на діабет; − проаналізувати та застосувати до розроблених моделей існуючі оптимізаційні методи; − розробити ансамблеву модель з використанням оптимізованих одиночних моделей; − провести експериментальні дослідження з використанням клінічних даних. Об’єктом дослідження є методи прогнозування захворювання на діабет. Предметом дослідження є застосування оптимізаційних методів до розроблених моделей, застосування ансамблів моделей. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи машинного навчання (для прогнозування захворювання на діабет); методи оптимізації (для оптимізації розроблених методів); методи теорії ймовірності та математичної статистики (для проведення експериментів та оцінки точності моделей) Наукова новизна одержаних результатів полягає в тому, що запропоновано використання ансамблю оптимізованих моделей для задачі прогнозування захворювання на діабет II типу. Практичне значення одержаних результатів полягає в тому, що розроблені моделі мають значущі результати і можуть бути використані в якості допоміжного застосунку при реальній діагностиці. Апробація результатів дисертації. Основні положення й результати роботи представлено на XV науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2022» (Київ, 16-18 листопада 2022 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено у науковій праці: тези «Математичне та програмне забезпечення системи прогнозування ризиків виникнення діабету» на XV конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2022».
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи прогнозування появи «мильних бульбашок» на фінансових ринках
    (КПІ ім. Ігоря Сікорського, 2024) Біцан, Ігор Андрійович; Олефір, Олександр Степанович
    Дисертацію виконано на 83 аркушах, вона містить 3 додатки та перелік посилань на використані джерела з 30 найменувань. У роботі наведено 16 рисунки та 2 таблиці. Актуальність теми. Фундаментальним призначенням ринку є залучення інвестицій у реальну економіку та оцінка вартості компаній. Але в умовах, коли він перестає адекватно оцінювати вартість акцій компанії, виникає явище відоме як фінансові бульбашки. Вибух фінансових бульбашок призводить до втрати інтересу інвесторів та краху самого ринку. Під фінансовою бульбашкою на ринку фінансового активу розуміють значне перевищення ціни над деякою оцінкою фундаментальної вартості активу протягом періоду часу, що характеризується тривалим зростанням цін з подальшим крахом або значним падінням [1]. Фінансова бульбашка - це одне з найбільш руйнівних явищ економіки. Найбільші фінансові бульбашки найчастіше стають причинами не лише фінансових, а й загальноекономічних криз. Як приклад можна навести Велику депресію, що виникла після схлопування фінансової бульбашки на фондових ринках США у 1929 р., криза 2008 р., спричинена фінансовою бульбашкою на ринку іпотечних цінних паперів, китайська фондова бульбашка 2015 р. та багато інших. У той же час, серед наукових досліджень цієї проблеми, спостерігається інформаційний вакуум, а наявні дослідження не досить точно відповідають специфіці ринків країн, що розвиваються. Негативні наслідки виникнення та схлопування бульбашок зумовлюють необхідність їх ефективної ідентифікації, причому не в пікові моменти напередодні схлопування, а на ранніх стадіях життєвого циклу. Таким чином, актуальність цієї роботи обумовлена такими факторами: - зростання популярності поняття «фінансова бульбашка» в умовах бурхливого та необґрунтованого зростання цін на акції; - відсутність системи економіко-математичних моделей, що дозволяють описувати це явище з урахуванням специфіки країн, що розвиваються. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка та оптимізація економіко-математичної моделі аналізу фінансових бульбашок. Побудувати систему економіко-математичних моделей, що описують явище фінансових бульбашок на ринку, провести емпіричну перевірку запропонованих моделей. Для досягнення вказаної мети було розв’язано такі задачі: − систематизувати існуючі методи прогнозування бульбашок; − розробити модель прогнозування; − розробити математичне та програмне забезпечення для прогнозування бульбашок; − провести експериментальні дослідження з використанням даних ринків. Об’єктом дослідження є фінансові бульбашки та їх види, ринок та основні активи його складових, моделі, способи, алгоритми, процеси та економічні системи, методи визначення бульбашок. Основна увага приділяється поведінці цін на акції та фондових індексів. Досліджувані засоби — інструменти системної інженерії: бізнес-профіль Еріксона-Пенкера, мова моделювання UML; інструменти системи прогнозування: інструменти представлення текстових даних в числовій формі, математичної статистики, класичного аналізу даних, машинного та глибинного навчання, великих даних; діаграми UML, нейронні мережі. Предметом дослідження є cпеціалізований метод системної інженерії для систем прогнозування фінансових бульбашок, методи та моделі бізнес аналізу для системного моделювання бізнес стратегій, механізми та фактори виникнення бульбашок на ринках, що розвиваються. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи системного аналізу, методи регресійного аналізу, логоперіодичного аналізу, бізнес-моделювання, аналізу даних, теорії систем, статистичні методи аналізу та прогнозування. Наукова новизна одержаних результатів складається з таких положень: - застосовано та поєднано підходи системної інженерії та підходи проектування систем Data Science, зокрема систем Нейронного Машинного навчання до проблем фінансових бульбашок; - на основі запропонованої схеми взаємодії раціональних та ірраціональних інвесторів розроблено оригінальну модель життєвого циклу фінансової бульбашки, за допомогою якої доведено, що фактори виникнення бульбашок необхідно розділяти на дві групи: умови та детермінанти; - запропоновано програмне забезпечення, яке було операціоналізовано та застосовано для аналізу ринків країн, що розвиваються; - отримані результати дослідження дозволяють точніше ідентифікувати фінансові бульбашки на ринках, що розвиваються на ранніх стадіях їх існування та визначати оптимальні регулятивні заходи мінімізації збитків від бульбашок залежно від їх стадії життєвого циклу. Практичне значення одержаних результатів. Побудована система дозволить тестувати наявність фінансових бульбашок та враховувати отриману інформацію про поточну ситуацію на ринку під час прийняття рішень усіма учасниками ринку цінних паперів. Особливо важливі подібні дослідження для фінансових служб держави, відповідальних за розподіл державних інвестицій та різних резервів, оскільки виявлення бульбашок допоможе уникнути неефективних інвестицій. Апробація результатів дисертації. Основні положення й результати роботи дисертації представлено та опубліковано на конференції ПМК 2023 (Прикладна Математика Та Комп’ютинг). Публікації. Результати дисертації викладено в науковій праці: - Олефір, О. С. та Біцан І. А. (2023). Система прогнозування бульбашок на фінансових ринках. ПМК 2023. С.75-80.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень
    (КПІ ім. Ігоря Сікорського, 2023) Давиденко, Микола Андрійович; Третиник, Віолета Вікентіївна
    Дисертацію виконано на 92 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 23 найменувань. У роботі наведено 30 рисунки та 3 таблиці. Актуальність теми. Після 24 лютого 2022 року життя кожного українця назавжди змінилося від російського вторгнення та повномасштабної війни. Тож у сучасних життєвих реаліях війна зайняла окреме місце. Щоб підвищити оборонну спроможність важливо мати танки, артилерію та літаки, але щоб підвищити якість всього потрібна допомога математики та машинного навчання. На заході вже давно розробляються автоматичні системи прийняття рішень на основі штучного інтелекту, а дрони навчають автоматично знаходити цілі, і це далеко не повний список. Тож мета цієї роботи розробити інструмент для підвищення оборонної спроможності нашої країни. Щоб стежити та приймати відповідні рішення можна використовувати багато людських та фінансових ресурсів, що не є оптимально. Але є другий варіант, завдяки прогресу у супутниковій фотозйомці та нейронних мережах, це можна зробити повністю автоматизовано. В наш час стало зрозуміло що незважаючи на 21 століття військові конфлікти нікуди не зникли, тому є сенс створювати оборонний потенціал. Важливу роль у сучасній війні є розвідка, бо якщо є інформація про розташування ворога, то можна зробити контрдії які можуть кардинально змінити хід війни. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Розробка математичного та програмного забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень на основі нейромережевої моделі для інтеграції з сайтами. Для розширення функціональних можливостей і адаптації системи до використання людьми без профільної освіти. Програма має бути інтегрована з сайтом, додатком або впроваджена в робочий процес. Об’єктом дослідження є методи та моделі розпізнавання об’єктів за супутниковими знімками на основі методів та моделей нейронних мереж. Моделі підвищення якості зображення, апскейлінг. Різні архітектури нейронних мереж: згорткові нейронні мережі, глибока згорткова нейронна мережа, U-Net, Залишкова нейронна мережа. Методи оптимізації та гіперпараметри нейронної мережі. Предметом дослідження є математичне та програмне забезпечення системи розпізнавання військових об’єктів за супутниковими знімками на основі нейромережевої моделі. Застосування нейронних мереж на етапі попереднього тренування для розпізнавання морських об’єктів за супутниковими знімками, порівняльний аналіз методів оптимізації, що використовуються при навчанні нейронних мереж. Методи дослідження. Для розв’язання поставленої задачі використовувались такі методи: методи машинного навчання (для розробки моделі нейронної мережі); методи оптимізації (для пошуку найкращого налаштування системи); методи обробки даних (для попередньої підготовки вхідних даних); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів). Наукова новизна одержаних результатів включає в себе такі пункти: - Комбінація використання навчених нейронних мереж з відкритим кодом для підвищення якості (апскейлінг) супутникових зображень, перед застосуванням основної згорткової нейронної мережі для розпізнавання об’єктів на фото. - Запропоновано використання згорткових нейронних мереж для розпізнавання військової техніки в комбінації сучасних комерційних супутників з синтезованою апертурою. Практичне значення одержаних результатів. Полягає в тому, що розроблена система для розпізнавання військової техніки за супутниковими знімками при подальшій модифікації може використовуватися військовими Збройними силами України. Апробація результатів дисертації. Основні положення й результати роботи представлено на конференції ПМК 2022 (Прикладна математика та комп’ютинг). Публікації. Результати дисертації викладено в одній науковій праці: - Третиник В. В., Давиденко М.А. (2022) Попереднє покращення якості зображення для підвищення точності розпізнавання об'єктів. ПМК 2022. С. 169-173;
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи розпізнавання емоцій за аудіозаписами
    (КПІ ім. Ігоря Сікорського, 2023) Коваленко, Олександра Петрівна; Третиник, Віолета Вікентіївна
    Дисертацію виконано на 81 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 22 найменувань. У роботі наведено 40 рисунків та 2 таблиці. Актуальність теми. Технології сучасності стрімко розвиваються. Сьогодні потужність обчислювальної техніки сильно виросла порівняно з попереднім століттям. Розвиток машинного навчання припадає ще на 60-ті роки минулого століття і швидкість розвитку цієї галузі зростає з кожним роком в геометричній прогресії. Протягом останніх двох десятиліть ця галузь є однією із провідних у комп’ютерних науках. Задачі розпізнавання вирішені використанням нейронних мереж є унікальними. Використання нейронних мереж у багатьох сферах стрімко покращує прогрес. Дана робота, про розпізнавання емоцій людини за аудіозаписами спрямована на вирішення проблем галузях: військовій, розважальній, освітній та медичній. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного та програмного забезпечення системи розпізнавання емоцій за аудіозаписами. Для досягнення цієї мети необхідно вирішити наступні задачі: - дослідити методи навчання нейронних мереж; - розглянути і проаналізувати архітектури та принципи організації нейронних мереж та методів вирішення задач класифікації; - способи оптимізації параметрів згорткових мереж; - запропонувати структуру системи класифікації аудіозаписів; - розробити модель програмного забезпечення з запропонованою структурою; - провести експериментальне дослідження характеристик системи. Об’єктом дослідження є способи організації засобів машинного навчання для розпізнавання емоцій за аудіозаписами. Теоретичні інструменти: - методи і алгоритми реалізації архітектур нейронних мереж: нейронні мережі, аналіз та класифікація даних за заданими параметрами; обрання ознак; - методи оптимізації гіперпараметрів: гіперпараметри, оптимізація, пошук архітектури нейронної мережі, автоналаштування; обрання моделі; Існуючі засоби: класи, ознаки, характеристики, область застосування, вартість володіння. Предмет дослідження: Математичне та програмне забезпечення системи розпізнавання емоцій за аудіозаписами на основі нейромережевої моделі. Застосування нейронних мереж на етапі попереднього тренування для розпізнавання емоцій за аудіозаписами, порівняльний аналіз методів оптимізації, що використовуються при навчанні нейронних мереж. Методи дослідження. Для розв’язання поставленої задачі використовувались такі методи: методи машинного навчання (для розробки моделі нейронної мережі); методи оптимізації (для пошуку найкращого налаштування системи); методи обробки даних (для попередньої підготовки вихідних даних); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів). Наукова новизна одержаних результатів складається з таких положень: 1) вперше застосовано та поєднано системну інженерію, включено методи та моделі Data Science, які використовуються для реалізації системи розпізнавання емоцій людини за аудіозаписами; 2) запропоновано використання інтегрованої моделі класифікації емоцій за аудіозаписами на основі згорткових нейронних мереж з автоматизованим підбором гіперпараметрів. Практичне значення одержаних результатів. Полягає в тому, що розроблена система розпізнавання емоцій за аудіозаписами на основі згорткової нейронної мережі, яка може використовуватись для аналізу розмови та емоційного стану людини, що в подальшому можна використовувати в рекомендаційних системах, військовій справі і тд. Апробація результатів дисертації. Основні положення й результати роботи дисертації доповідались та опубліковані у матеріалах XV наукової конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022» ( Київ 16-17 листопада 2022 року). Публікації. Результати дисертації викладено в науковій праці: тези «Автоматизація підбору гіперпарметрів lstm для задачі розпізнавання емоцій за аудіозаписами» на XV конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022»
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи розпізнавання зображень об’єктів у відеопотоці
    (КПІ ім. Ігоря Сікорського, 2024) Сліпченко, Максим Сергійович; Сирота, Сергій Вікторович
    Дисертацію виконано на 80 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 17 найменувань. У роботі наведено 32 рисунки та 4 таблиці. Актуальність теми. Сучасний світ переживає епоху стрімкого розвитку технологій, зокрема в області штучного інтелекту. Одна з класичних задач цієї області – розпізнавання тексту на зображенні. Експериментуючи з підходами для рішення, фахівці зрозуміли, що комп’ютери можна навчити бачити набагато складніші речі. Сьогодні нейронні мережі дозволяють розпізнавати та класифікувати об’єкти не тільки на зображеннях, але і в режимі відео, аналізуючи та використовуючи інформацію з попередніх кадрів. Зараз це має своє застосування в багатьох сферах: медицина, автономна навігація, безпека. Неможна ігнорувати і ще одне застосування, що є дуже актуальним зараз для України. Моделі комп’ютерного зору зараз активно використовуються у воєнній сфері: як допоміжна функціональність під час повітряної розвідки, як допомога при наведенні або для виявлення цілі. Враховуючи великий об’єм даних, що потребується для створення якісної моделі розпізнавання об’єктів, задача створення програмного забезпечення для розпізнавання та автоматизації створення навчальних даних є актуальною. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дослідження є створення програмного забезпечення для розпізнавання зображень об’єктів на відео, зокрема на прикладі транспортних засобів, та реалізація технологічного процесу автоматизованого навчання моделі комп’ютерного зору. Для досягнення мети дослідження було розв’язано такі задачі: – провести огляд предметної області – представлення зображень та відео в комп’ютерних системах, опис базових відомостей про нейронні мережі; – здійснити аналіз та оцінку існуючих алгоритмів комп’ютерного зору; – сформувати навчальні дані та розробити програмне забезпечення системи розпізнавання зображень об’єктів; – обчислити метрики ефективності розробленого програмного забезпечення; – розробити технологічний процес автоматизації створення навчальних даних та оцінити ефективність використання автоматизації для розробки моделей комп’ютерного зору. Об’єктом дослідження є алгоритми та моделі для задач комп’ютерного зору, автоматизація процесів машинного навчання. Предметом дослідження є застосування згорткових нейронних мереж для розпізнавання та класифікації об’єктів на зображеннях та відео. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи кодування та декодування файлів зображень та відеофайлів (для коректного опрацювання вхідних даних), методи глибокого навчання для задач комп’ютерного зору, методи теорії алгоритмів та програмування (для розробки програмного забезпечення системи розпізнавання зображень об’єктів на відео потоці), методи автоматизації програмного забезпечення (для побудови технологічного процесу автоматизації створення навчальних даних). Наукова новизна одержаних результатів складається з таких положень: – удосконалено методи асоціації об’єктів між кадрами, які, на відміну від існуючих, реалізовані шляхом поєднання алгоритму розпізнавання YOLO та алгоритму групування SORT, що дає змогу ефективно виконувати поставлену задачу в режимі реального часу; – розроблено універсальний алгоритм автоматизації створення навчальної розмітки для моделей комп’ютерного зору, що дає можливість створювати подібні системи розпізнавання значно швидше. Практичне значення одержаних результатів. Розроблене програмне забезпечення можна використовувати для розпізнавання обʼєктів засобів транспорту на відеопотоці. Також розробка дозволяє суттєво пришвидшити навчання моделей комп’ютерного зору за умови, якщо навчальні дані ще не підготовлені. Також це дає простір для подальшої автоматизації, бо запропонованим підходом можна створювати навчальні датасети для різних моделей машинного навчання. Розробку можна використовувати напряму для створення моделі-тренера, яка буде надавати розмітку даних з необхідними класами для моделей комп’ютерного зору різного призначення. Апробація результатів дисертації. Основні положення й результати роботи представлено на Науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг ПМК 2023». Публікації. Результати дисертації викладено в 1 науковій праці: – у 1 публікації у тезах конференцій.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи розпізнавання марки автомобілів на фотографіях в умовах обмеженого ракурсу
    (КПІ ім. Ігоря Сікорського, 2023) Гуро, Дмитро Анатолійович; Андрусенко, Олена Миколаївна
    Дисертацію виконано на 95 аркушах, вона містить 3 додатки та перелік посилань на використані джерела з 37 найменувань. У роботі наведено 36 рисунки та 2 таблиці. Актуальність теми. На сьогоднішній день у світі існує величезна кількість транспортних засобів і наземний транспорт, очевидно, є основним способом пересування людства. З цього випливає, що контроль потоку транспортних засобів є дуже важливою задачею, так як завжди є необхідним в реальному часу відслідковувати порушення правил дорожнього руху, фіксувати переміщення вантажівок, знаходити автомобілі по системі камер тощо. Більшість систем, що встановлюються на дорогах громадського використання, навчені для розпізнавання авто спереду та ззаду, так як цього достатньо для більшості потреб систем контролю. Проте, не завжди є можливість встановити камеру, на яку покладено роботу зйомки трафіку, таким чином, тому є необхідність розробити систему, що може розпізнавати автомобілі незалежно від ракурсу та повноти зображення авбомобілю. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є створення системи здатної швидко та ефективно класифікувати автомобілі на цифрових зображеннях в умовах обмеженого ракурсу. Для досягнення мети було розв’язано такі задачі: - провести аналіз предметної області - зібрати або знайти необхідний - розробити алгоритмм розпізнавання моделі автомобіля на фотографії - розробити демонстраційну систему та інтегрувати алгоритм неї Об’єктом дослідження є методи роботи із зображеннями та їх класифікації. Предметом дослідження є застосування методів машинного навчання для заадчі класифікації зображень. Методи дослідження. Основним методом, що був використаний в дисертації для класифікації класів автомобілів є метод машинного навчання – згорткова нейронна мережа. Наукова новизна одержаних результатів роботи. Використано архітектуру згорткової нейронної мережі, яка за показниками точності та повноти не поступається відомим аналогам, але потребує менше часу на її навчання, використовує меншу кількість параметрів, швидше класифікує цифрові зображення і потребує менше ресурсів для розгортання і використання. Також система, в яку інтегрована мережа, робить акцент на зображеннях автомобілів в неповних ракурсах. Практичне значення роботи полягає у створенні власного модулю для класифікації цифрових зображень із використанням нейронних мереж. За допомоги цього модуля можна оптимізувати системи, де існує необхідність розпізнавання марки та моделі автомобіля, в ситуаціях, коли неможливо отримати повне зображення авто.
  • Ескіз
    ДокументВідкритий доступ
    Математичне та програмне забезпечення системи семантичного аналізу відгуків на заклади харчування
    (КПІ ім. Ігоря Сікорського, 2024) Бевзюк, Костянтин Андрійович; Ліскін, В’ячеслав Олегович
    Дисертацію виконано на 81 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 24 найменувань. У роботі наведено 51 рисунків та 4 таблиць. Актуальність теми. У світі де інформація змінюється щосекунди дуже важко услідкувати за всім разом, тому чисельна оцінка відгуків закладів харчування спрощує наше повсякденне життя, це тим самим прискорює процеси аналізу інформації Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дослідження є семантичний аналіз відгуків на заклади харчування, в якості прикладу буде взято кавʼярню «Starbucks». Для досягнення вказаної мети було розв’язано такі задачі: - проаналізувати існуючі рішення та знайти оптимальне для вирішення семантичного аналізу поставленої задачі; - створити математичну модель рішення для розв’язку семантичного аналізу; - імплементувати програмне забезпечення для обранної математичної моделі; - створити інтерфейс користувача для роботи з програмним засобом; Об’єктом дослідження є розробка, підбір параметрів та навчання моделі, яка зможе класифікувати великі обсяги текстових даних. Предметом дослідження є математичне та програмне забезпечення системи класифікації відгуків на заклади харчування за допомогою нейронних мереж на базі «трансформерів», це дозволить дати кількісну оцінку тексту і може бути використано для покращення якості обслуговування та задоволення потреб клієнтів у сфері гастрономії та гостинност Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: нейронні мережі на базі рекурентних нейронних зв’язків, нейронні мережі на базі «трансформерів». Наукова новизна одержаних результатів. Було запропоновано безкоштовний веб-застосунок для семантичного аналізу коментарів на заклади харчування. Запроваджено новий метод розподілу вхідного датасету на тествоий, валідаційний та тренувальні частини. Практичне значення одержаних результатів. В майбутньому це дає поштовх розширювати моделі для обробки людської мови, а саме даний приклад легко масштабувати на базу української мови або будь-якої іншої. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023» (Київ, 28-30 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено в 1 науковій праці: - 1 публікація у тезах конференцій.

We collect and process your personal information for the following purposes: Authentication, Preferences, Acknowledgement and Statistics.

Customize