Магістерські роботи (ММАД)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Перегляд Магістерські роботи (ММАД) за Назва
Зараз показуємо 1 - 20 з 49
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ 3D-реконструкція приміщень за сферичними панорамами(КПІ ім. Ігоря Сікорського, 2023) Крохальов, Іван Данилович; Орєхов, Олександр АрсенiйовичМагістерська дисертація: 58 с., 35 рис., 2 табл., 15 джерел. Об`єкт дослідження – панорамні знімки приміщень, 3D-моделі приміщень, отримані внаслідок реконструкції; усі матеріали, що є результатом розв’язання проміжних задач реконструкції; Предмет дослідження – методи 3D-реконструкції, підхід Structure-from-Motion, його поведінка при різних прикладах вхідних даних, можливі кроки для покращення якості реконструкції; Мета роботи — побудувати алгоритм 3D-реконструкції на основі підходу Structure-from-Motion, для використання на різних прикладах вхідних даних. В роботі наведено програмну реалізацію математичної моделі, що дозволяє проводити дослідження у відповідності до мети роботи. Проведений порівняльний аналіз різних конфігурацій 3D-реконструкції. В роботі також наведено порівняння запропонованого метода із альтернативними підходами до 3D-реконструкції.Документ Відкритий доступ Алгоритм розв’язування супермодулярних (max, +) задач розмітки із самоконтролем на основі субградієнтного спуску(КПІ ім. Ігоря Сікорського, 2022-06) Хоменко, Руслан Олександрович; Водолазський, Євгеній ВалерійовичДану роботу присвячено алгоритму, який для будь-якої поданої на вхід (max ,+) задачі розмітки з цілочисельними якостями надасть одну з двох відповідей: або опти- мальну розмітку, або “задача не супермодулярна”, і ця відповідь гарантовано буде коректною. Самоконтроль полягає у тому, що не користувач вирішує, на яке питання треба відповісти, а сам алгоритм вирішує, що потрапляє у зону його компетентно- сті. Іншою особливістю алгоритму є те, що він не потребує відомої впорядкованості міток для супермодулярних задач. Гарантію скінченної кількості кроків надає вико- ристання субградієнтного спуску і цілочисельність ваг вершин та ребер.Документ Відкритий доступ Аналіз змін земного покрову за допомогою регіонально уточненої моделі GCAM для прогнозування екологічних впливів(КПІ ім. Ігоря Сікорського, 2025) Зібаров, Дмитро Владиславович; Шелестов, Андрій ЮрійовичДисертація містить 76 аркушів, 7 рисунки та 3 таблиці, 2 додатків та перелік посилань на використані джерела з 27 найменувань. Зв’язок роботи з науковими програмами, планами, темами. Дисертацію виконано відповідно до плану науково-дослідних робіт кафедри математичного моделювання та аналізу даних Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертації є оцінка точності прогнозів змін земного покриву, що генеруються глобальною моделлю GCAM, при її застосуванні до регіональних умов України. Для досягнення поставленої мети були розв’язані такі задачі: • Ознайомлення з базовими принципами роботи моделі GCAM та сценарного прогнозування. • Проведення серії експериментальних запусків моделі для різних соціально-економічних сценаріїв. • Збір регіональних статистичних даних Держстату для проведення експериментів. • Порівняння результатів моделювання з фактичними статистичними спостереженнями за 2020 рік. Інтерполяція результатів моделювання за 2020 та 2025-і роки для порівняння з результатами класифікації Інституту Космічних Досліджень знімків супутнику Sentinel-2. • Аналіз похибок прогнозування і виявлення джерел розбіжностей. • Оцінка доцільності використання моделі GCAM у задачах регіонального прогнозування для України. Об’єкт дослідження. Процеси прогнозування змін земного покриву на основі інтегрованих глобальних моделей. Предмет дослідження. Адаптація і оцінка ефективності застосування глобальної моделі GCAM для моделювання змін земного покриву в умовах України. Методи дослідження. У роботі використано методи системного аналізу, сценарного моделювання, аналізу часових рядів, порівняльного аналізу прогнозних і фактичних статистичних даних, а також методи оцінки похибок прогнозування (зокрема розрахунок відносної середньої абсолютної похибки — MAPE). Наукова новизна одержаних результатів. Удосконалено підхід до валідації регіональних результатів моделювання на основі поєднання сценарних прогнозів і реальних статистичних даних. Глобальну модель GCAM адаптовано для території України. Практичне значення одержаних результатів. Оцінка ефективності використання моделі GCAM для регіонального прогнозування дозволяє визначити її потенційні обмеження та переваги у задачах планування землекористування, розробки екологічної політики й адаптації до змін клімату в Україні. Результати роботи можуть бути використані органами державної влади та місцевими громадами для подальшої розробки регіоналізованих версій глобальних моделей, удосконалення сценаріїв прогнозування. Апробація результатів дипломної роботи. Основні результати роботи було представлено на XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених. Публікації. За результатами дисертації підготовлено тези доповіді для участі у XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених.Документ Відкритий доступ Аналіз математичних моделей для аналізу змін земного покриву за допомогою машинного навчання(КПІ ім. Ігоря Сікорського, 2025) Карабан, Артем Олексійович; Яйлимова, Ганна ОлексіївнаМагістерська дисертація містить 61 сторінок, 7 ілюстрацій, 2 таблиці та 17 літературних джерела. Актуальність: Моніторинг змін земного покриву є критично важливим завданням у сучасних екологічних, сільськогосподарських і кліматичних дослідженнях. Завдяки розвитку супутникових технологій, зокрема місій Sentinel-2, з’явилась можливість отримувати регулярні мультиспектральні знімки з високою деталізацією. Однак попри наявність великої кількості необроблених супутникових даних, анотовані набори, необхідні для навчання більшості моделей, залишаються обмеженими — особливо для повільних природних змін. У зв’язку з цим актуальним є пошук рішень, які дозволяють ефективно навчати моделі за умов браку міток і обмеженого обсягу даних. Мета даної роботи: провести експеримент та дослідити ефективність використання фізично обґрунтованих функцій втрат у задачі прогнозування змін земного покриву на основі супутникових мультиспектральних знімків за умов обмеженого обсягу даних та відсутності розмічених міток, а також оцінити здатність моделі узагальнювати результати на нові географічні регіони. Для досягнення мети було використано: ● Супутникові знімки Sentinel-2 з мультиспектральними каналами; ● Модель ConvLSTM Autoencoder для роботи з часовими просторовими послідовностями; ● Платформа Google Earth Engine (GEE); ● Google Colab, PyCharm та бібліотеки Python/ML для реалізації алгоритмів. Завдання: 1. Провести аналіз сучасних підходів до моделювання змін земного покриву із використанням супутникових знімків. 2. Обґрунтувати вибір архітектури моделі, здатної працювати з часовими послідовностями мультиспектральних даних. 3. Підібрати оптимальні спектральні канали Sentinel-2 для задачі прогнозу вегетаційної динаміки. 4. Реалізувати систему попередньої обробки знімків (маскування хмар, нормалізація, вирізка патчів). 5. Розробити функції втрат, включаючи класичну MSE, дифузійну та фізично обґрунтовану компоненти. 6. Побудувати та навчити модель ConvLSTM Autoencoder на вибраній території. 7. Провести серію експериментів з різними параметрами (зокрема коефіцієнтом дифузії D). 8. Оцінити якість моделей на даних з інших регіонів для перевірки здатності до узагальнення. 9. Проаналізувати результати, зробити висновки щодо ефективності підходу. Об’єкт дослідження: процес моделювання та прогнозування змін земного покриву на основі супутникових мультиспектральних знімків із використанням методів машинного навчання. Предмет дослідження: супутникові дані Sentinel-2 з просторовим розрізненням 10 м, технології хмарного супутникового моніторингу (Google Earth Engine) та методи глибинного навчання для виявлення змін. Методи досліджень: машинне навчання, методи обробки супутникових зображень, оптимізація функцій втрат, моделювання часових послідовностей, аналіз точності прогнозів, математична статистика. Практична цінність: отримані результати можуть бути використані для моніторингу змін земного покриву в регіонах з обмеженим обсягом розмічених даних, зокрема для оцінки стану лісів, аналізу екосистем, планування природоохоронних заходів та реагування на наслідки кліматичних і антропогенних впливів. Запропонований підхід дозволяє підвищити точність прогнозів без потреби у великій кількості міток, що робить його придатним для використання державними структурами, екологічними службами та в аграрному секторі.Документ Відкритий доступ Аналіз якості моделей глибокого навчання в системах рекомендацій(КПІ ім. Ігоря Сікорського, 2022) Малиняк, Володимир Володимирович; Шелестов, Андрій ЮрійовичДана робота мiстить 128 сторiнок, 34 iлюстрацiй, 10 таблиць, 22 джерел за перелiком посилань. Як i багато iнших напрямкiв iнформацiйних технологiй, рекомендацiйнi системи стрiмко розвиваються i активно дослiджуються iз року в рiк. Це призводить до появи багатьох методiв i алгоритмiв побудови рекомендацiй. Внаслiдок чого постало критичне питання у вiдсутностi єдиного пiдходу до оцiнки їх ефективностi, що призводить до нерепродуктивних та несправедливих результатiв їх порiвняння. У данiй роботi дослiджено метрики якостi в задачах побудови рекомендацiй, класифiковано i проаналiзовно фактори впливу на ефективнiсть систем рекомендацiй. На основi алгоритмiв нейромережевої колаборативної фiльтрацiї, варiацiйного автоенкодера у задачах колаборативної фiльтрацiї i графової нейронної мережi колаборативної фiльтрацiї проведено експериментальне порiвняння якостi рекомендацiй використовуючи вiдкритi набори даних MovieLens, LastFM, NetflixPrize. Сформована стратегiя пришвидшує вiдбiр оптимальних моделей i їх якiсне порiвняння.Документ Відкритий доступ Асимптотика геометричних характеристик гладких многовидів під дією фазових потоків(КПІ ім. Ігоря Сікорського, 2022-06) Навроцький, Геннадій Вікторович; Орєхов, Олександр АрсенійовичОб’єктом дослідження є геометричні характеристики гладких ріманових многовидів у ергодичних стохастичних потоках. Предметом дослідження є усереднення асимптотики кривизни Річі на многовидах під дією ергодичних стохастичних потоків. Методи дослідження: Методи топології Методи функціонального аналізу Наукова новизна одержаних результатів: Було вперше отримано умови, за яких існує границя середніх за часом гладких функцій на ріманових многовидах при русі під дією ергодичних потоків. Практичне значення одержаних результатів: Отримані результати можна застосовувати при аналізі турбулентного руху рідини або газу. Мета роботи: 1.Розглянути можливі приклади многовидів та координат на них 2.Дослідити усереднення гладких функцій на многовидах під дією ергодичних потоків. 3.Використати для встановлення асимптотики кривизни Річі мультиплікативну ергодичну теорему Оселедця.Документ Відкритий доступ Багатокритеріальний геопросторовий аналіз інвестиційної привабливості сільських регіонів України з використанням ШІ(КПІ ім. Ігоря Сікорського, 2025) Дрозд, Софія Юріївна; Куссуль, Наталія МиколаївнаДана робота складається з 126 сторінки тексту, містить 22 ілюстрацію, 16 таблиць, 3 додатки, 69 джерел за переліком посилань. Актуальність теми обумовлена глибокими трансформаціями сільських територій України, спричиненими повномасштабною війною. Погіршення умов життя, зниження економічної активності в аграрному секторі та активна міграція населення, зокрема молоді, створюють серйозні виклики для відновлення цих регіонів. У таких умовах зовнішні інвестиції стають ключовим ресурсом для відновлення. Проте високі воєнні ризики та дефіцит об'єктивної інформації стримують інвесторів. Це зумовлює необхідність розробки сучасних інформаційних технологій, зокрема методів штучного інтелекту та геоінформаційних систем, для комплексної оцінки інвестиційної привабливості сільських територій. Дана робота виконана в межах проєктів Міністерства освіти і науки України «Інформаційні технології геопросторового аналізу розвитку сільських територій і громад» (РН/27-2023), Національного фонду досліджень України «Система геопросторового моніторингу впливу війни на сільське господарство України на основі супутникових даних» (2023.04/0039) та Horizon Europe «U_CAN – Ukraine towards Carbon Neutrality» (№ 101148374). Автор брав участь у зборі та обробці геопросторових даних, розробці моделей оцінки та підготовці наукових матеріалів. Метою даного дослідження є розробка методології та ряду геопросторових продуктів для оцінки інвестиційної привабливості сільських територій України з використанням супутникових даних та штучного інтелекту (ШІ), зокрема віртуальних експертів на основі великих мовних моделей (ВММ). Для досягнення поставленої мети були визначені такі завдання: 1) Проаналізувати наукову літературу та виокремити ключові критерії інвестиційної привабливості для сільських територій України. 2) Сформувати багаторівневу ієрархічну модель для оцінки інвестиційної привабливості сіл та підготувати релевантну геопросторову інформацію відповідно до обраних критеріїв. 3) Розробити опитувальну форму для експертів-людей, а також спеціалізовані промти для ШІ-керованих віртуальних експертів на основі ВММ з метою проведення експертного оцінювання та визначення вагових коефіцієнтів критеріїв. 4) Проаналізувати узгодженість і релевантність оцінок, наданих людьми та ВММ, а також оцінити потенціал використання ШІ як альтернативи людському експертному судженню. 5) Розробити серію тематичних карт для візуалізації просторових характеристик інвестиційної привабливості сіл за окремими критеріями та в цілому. 6) Здійснити узагальнений аналіз отриманих результатів і розробити веб-додаток для публікації створених геопросторових продуктів. Об’єктом дослідження є геопросторові моделі та методологічний комплекс для оцінки інвестиційної привабливості сіл України. Предмет дослідження – геопросторові характеристики, що визначають інвестиційну привабливість сільських територій України, методи їх інтеграції та зважування з урахуванням узгодженості людських та машинних експертних оцінок. Використані методи включають контент-аналіз наукових джерел, багатокритеріальний аналіз, метод аналізу ієрархій, експертне оцінювання, ранжування, геопросторове моделювання, картографічна візуалізація, методи машинного навчання (великі мовні моделі, промт-інженерія), кореляційний аналіз. Наукова новизна дослідження полягає в розробці оригінальної методології та створенні унікальних геопросторових продуктів, що комплексно відображають інвестиційний потенціал сільських територій України. Вперше для формування вагових коефіцієнтів у межах методу аналізу ієрархій була використана група віртуальних експертів на основі п’яти великих мовних моделей (ВММ) як альтернатива традиційному експертному опитуванню, що дозволило підвищити об’єктивність оцінювання, зменшити суб’єктивні упередження та пришвидшити процес аналізу. Апробація результатів відбулася на міжнародних конференціях IGARSS 2024, DESSERT 2023, DESSERT 2024, IGARSS 2025 (прийнято), Living Planet Symposium 2025 (прийнято), а також на XXIII Всеукраїнській науковопрактичній конференції студентів, аспірантів та молодих вчених. Матеріали опубліковано у міжнародних наукових виданнях та фахових виданнях України, зокрема в журналах European Journal of Remote Sensing, Космічна наука і технологія, Кібернетика та системний аналіз (прийнято).Документ Відкритий доступ Використання симпліціальної топології в глибокому навчанні для відновлення цілісності хмар точок(КПІ ім. Ігоря Сікорського, 2025) Кириленко, Павло Олександрович; Яворський, Олександр АндрійовичКваліфікаційна робота містить: 86 стор., 25 рисунки, 2 таблиць, 28 джерел. У цій магістерській роботі досліджується підхід до реконструкції тривимірних хмар точок із використанням методів глибокого навчання, доповнених інструментами симпліціальної аналізу. Проблема неповних або зашумлених сканів поширене явище у 3D-даних, зокрема з LIDAR-сканерів, де окремі ділянки можуть бути відсутні або спотворені. Більшість сучасних нейромережевих архітектур працюють з окремими точками або ребрами, і часто не враховують складні топологічні взаємозв'язки між поверхнями об'єктів. У роботі реалізовано архітектуру симпліціальних нейронних мереж (Simplicial Neural Networks, SNN), яка дозволяє моделювати взаємодію не лише між вершинами і ребрами, а й між трикутниками, що значно підвищує точність реконструкції. Для перевірки підходу було реалізовано чотири варіанти архітектур SNN (residual, gated, attention, hetero) та проведено серію експериментів на наборі даних ModelNet40. Оцінювання результатів здійснювалось за допомогою поширених метрик, таких як MSE, Chamfer, Hausdorff та F1-score.Документ Відкритий доступ Вирівнювання зображень розлінованих аркушів(КПІ ім. Ігоря Сікорського, 2022-12) Бондар, Марія Олександрівна; Терещенко, Іван МиколайовичРобота складається з 4 розділів, містить 23 ілюстрації, 6 таблиць, 21 літературних посилань, обсяг роботи — 65 сторінок. Сучасне навчання поширює процес передачі інформації за допомогою знімків аркушів, що потребують швидкої обробки для комфортного візуального сприйняття. Частина зображень конспектів та письмових контрольних завдань зроблена камерою пересічного смартфона за слабкого освітлення та під несприятливим для зору кутом, тому потребує застосування методів покращення їх якості. Оскільки тема вирівнювання зображень не є новою, наразі існує досить багато комерційних застосунків, котрі дають змогу користувачам вирівнювати фотографії документів і робити їх цифрові скан-копії. Однак більша їх частина орієнтована на пошук аркушу паперу за спеціальних умов зйомки. У цій роботі пропонується метод вирівнювання зображень розлінованих у клітинку або косу лінію аркушів, що може бути доповненням до вже існуючих інструментів. Мета даної роботи — розробити метод вирівнювання зображень аркушів, які мають розмітку в клітинку або у косу лінію. Об’єкт дослідження — зображення розлінованих аркушів паперу. Предмет дослідження — вирівнювання зображень аркушів паперу. Методами дослідження є аналіз інформаційних джерел, новітніх публікацій за темою дослідження, дослідження методів обробки зображень та правил проективної геометрії. Актуальність роботи зумовлюється тим, що можливості редагування зображень документів є популярними та потрібними у повсякденному житті, зокрема у сучасній шкільній та університетській освіті, невід’ємною частиною якого є процес передачі інформації за допомогою знімків аркушів. Наукова новизна роботи полягає в тому, що запропоновано алгоритм вирівнювання аркушів, що мають розмітку. Алгоритми такої спеціалізації нам не відомі, так як інші у своїй роботі використовують границі аркушів або текст. Практичне застосування полягає в тому, що даний підхід дозволяє вирівнювати зображення, які не задовольняють умовам зйомки, що вимагають існуючі методи, що є їх якісним доповненням. Роботу оформлено за вимогами та подано на публікацію до міжнародного науково-теоретичного журналу “Кібернетика і системний аналіз”.Документ Відкритий доступ Виявлення забруднення водойм за супутниковими даними iз застосуванням глибокого навчання(КПІ ім. Ігоря Сікорського, 2025) Коробан, Ольга Михайлiвна; Яйлимова, Ганна ОлексіївнаКвалiфiкацiйна робота мiстить: 47 стор., 27 рисунки, 0 таблиць, 7 джерел. Дана доповiдь, присвячена актуальному питанню розробки та застосування iнновацiйних методiв виявлення забруднення водних ресурсiв на основi аналiзу супутникових зображень iз залученням потужностi алгоритмiв глибокого навчання. Предметом нашого дослiдження є процес iдентифiкацiї екологiчного стану водойм за допомогою передових технологiй дистанцiйного зондування Землi. У фокусi нашої уваги перебуває застосування методiв глибокого навчання для iнтелектуальної обробки супутникових знiмкiв з метою точного та оперативного виявлення дiлянок забруднення. У межах проведеного дослiдження було здiйснено ретельний аналiз спектральних характеристик водного середовища. Зокрема, розглянуто можливостi використання рiзноманiтних спектральних iндексiв. Ключовим етапом роботи стала побудова та навчання згорткових нейронних мереж (CNN), архiтектура яких оптимально пристосована для аналiзу просторових даних, якими i є супутниковi зображення. Метою навчання було досягнення високої точностi у класифiкацiї стану рiзних дiлянок водойм – вiдносно чистих до забруднених. Для оцiнки ефективностi розробленої моделi було проведено її тестування на основi наявних супутникових даних Sentinel-2. Цi данi, завдяки своїй високiй просторовiй та часовiй роздiльнiй здатностi, є цiнним джерелом iнформацiї для монiторингу екологiчного стану водних об’єктiв. Результати тестування продемонстрували перспективнiсть застосування глибокого навчання для автоматизованого виявлення забруднень. Практична цiннiсть даної роботи полягає у створеннi дiєвого iнструменту, який може бути iнтегрований у системи екологічного монiторингу водойм. Запропонований пiдхiд дозволяє здiйснювати оперативне виявлення забруднених дiлянок, що є критично важливим для своєчасного реагування та прийняття обґрунтованих управлiнських рiшень з метою збереження та вiдновлення водних екосистем. Отриманi результати можуть бути корисними для екологiчних служб, органiв державної влади та мiсцевого самоврядування у їхнiй дiяльностi, спрямованiй на охорону довкiлля.Документ Відкритий доступ Генерування тренувальних даних за допомогою технологiї NeRF для задач стереозору(КПІ ім. Ігоря Сікорського, 2022) Колодяжна, Олена Олександрiвна; Куссуль, Наталія МиколаївнаКвалiфiкацiйна робота мiстить 75 сторiнок, 45 iлюстрацiй, 4 таблицi, 57 джерел лiтератури. Задача тривимiрної реконструкцiї сцени є однiєю з центральних в областях комп’ютерного зору та комп’ютерної графiки та має багато застосувань. У останнi роки було розроблено чимало рiзних методiв вирiшення даної проблеми, серед яких є використання глибоких нейронних мереж. Складнiсть даної задачi полягає в потребi в одночаснiй узгодженостi локальних деталей та глобальних структур, в великих обчисленнях, а також в обсягах даних. Остання проблема вiдiграє важливу роль при навчаннi глибоких нейромереж. Дана магiстерська дисертацiя дослiджує можливостi генерування навчальних даних за допомогою Neural Radiance Fields для задач стереозору. Метою роботи, окрiм генерування даних, є аналiз їх ефективностi у застосуваннi для навчання глибоких нейронних мереж для оцiнки карт глибин зi стереозображень. У результатi було запропоновано певнi модифiкацiї моделi BARF, якi дають змогу покращити результат синтезу даних, порiвняно з оригiнальною моделлю, а також запропоновано змiнений ланцюжок стандартної пiдготовки даних та тренування стереонейромереж, який потенцiйно може дозволити замiнити навчання без учителя навчанням з учителем.Документ Відкритий доступ Геопросторова цифрова модель Києва на основі супутникових даних(КПІ ім. Ігоря Сікорського, 2021) Калінчук, Анастасія Миколаївна; Шелестов, А. Ю.Міський атлас (UA) – геопросторовий продукт, що містить інформацію про земельний покрив та землекористування, який поширюється програмою Copernicus. Відповідні карти побудовані для багатьох країн ЄС, Балканського півострову, Турції. Оскільки для міст України такого продукту не існує, метою є адаптування технології побудови міського атласу для всіх міст України. При виконанні магістерської роботи було побудовано геопросторову модель міста Києва, яка є сумісною з тенологією побудови міського атласу для європейських міст програми Copernicus. Для створення даного продукту було використано дані Sentinel-1/2, проведено класифікацію урбанізованої зони, а отримані класи земної поверхні було приведено у відповідність до класів європейського сервісу. Запропонований метод побудови міського атласу на безкоштовних даних може бути застосований для будь-якого місті України та може оновлюватися щорічно.Документ Відкритий доступ Геопросторовий аналіз пошкоджень від війни в Україні(КПІ ім. Ігоря Сікорського, 2023) Барабаш, Ілля Олегович; Шелестов, Андрій ЮрійовичДипломна робота містить 82 сторінки, 27 ілюстрацій та 49 джерел літератури. Об’єкт дослідження – розпізнавання вирв на сільськогосподарських полях. Мета дослідження полягала у проведенні аналізу існуючих методів геопросторового аналізу та розробка методів пошуку пошкоджених полів із застосуванням даних дистанційного зондування Землі. В якості вхідних даних використано відкриті дані програми COPERNICUS. Для досягнення поставленої мети було: Проаналізовано існуючі методи геопросторового аналізу та ідентифікації пошкоджених полів. Розроблено метод класифікації земного покриву для території України на основі моделі багатошарового персептрону та метод спектрального розподілу на основі використання відносної різниці NDVI. Розроблені методи автоматизовано в хмарній платформі GEE.Документ Відкритий доступ Глибокі нейронні мережі як інструмент для вирішення задачі класифікації електронних листів(КПІ ім. Ігоря Сікорського, 2025) Гаврилова, Анастасія Володимирівна; Яйлимова, Ганна ОлексіївнаОбсяг роботи 101 сторінка, 21 ілюстрація, 2 таблиці, 11 додатків, 29 джерел літератури. У роботі проведено аналіз різних існуючих методів для класифікації електронних листів, виконана програмна реалізація власних систем для класифікації електронної пошти та веб-сторінок, оброблено результати роботи створених моделей. Метою та задачею роботи є розробка моделей класифікації електронних листів і веб-сторінок за категоріями «фішинг», «спам» і «безпечні» з використанням глибоких нейронних мереж. Об'єктом дослідження даної роботи є електронні листи та веб-сторінки. Предметом дослідження даної роботи є глибокі нейронні мережі, що можуть бути використані для класифікації електронних листів.Документ Відкритий доступ Графовий аналіз зв’язності колоїдних гелів з клітинним домішком(КПІ ім. Ігоря Сікорського, 2025) Каюк, Ксенія Андріївна; Яворський, Олександр АндрійовичМагістерська дисертація викладена на 79 сторінках, містить 16 рисунків, 1 таблицю, 1 додаток, 16 джерел у списку посилань. Актуальність. У біомедичних дослідженнях, зокрема клітинній біології та тканинній інженерії, дедалі більшого значення набуває вивчення мікроструктурного оточення клітин, серед яких важливе місце займають колоїдні гелі. Ці середовища формують складні просторові матриці, що визначають як біофізичні властивості, так і поведінку клітин. Однією з ключових характеристик таких структур є зв’язність — міра того, наскільки фрагменти гелю утворюють єдину наскрізну мережу. Саме зв’язність визначає здатність гелю до перенесення механічних напружень, молекулярного транспорту та підтримки тривимірних культур. Дана робота виконувалась на замовлення компанії ТОВ «ПРЕССІ» в межах дослідницької ініціативи з розробки якісних підходів до оцінки гелевих і змішаних структур. Проблематика, а також експериментальні дані, були надані замовником. Робота пов’язана з напрямами науково-дослідних проєктів кафедри біомедичної інженерії, спрямованих на застосування методів комп’ютерного зору та графової теорії в аналізі біоматеріалів. Метою дисертації є розробка методів автоматизованого структурного аналізу зображень гелів з клітинним домішком, їх подальше графове моделювання та оцінка. Методи дослідження. адля досягнення мети було реалізовано двогілкову схему обробки зображень: одна гілка спрямована на сегментацію клітин, інша — на виявлення гелевої структури шляхом фільтрації та підсилення контрасту. Після цього результати обох гілок було об’єднано: клітини було видалено з зображення, і на очищеній структурі гелю виконано кластеризацію. На основі відслідкованих гелевих утворень будувався граф, де вузли відповідають центроїдам фрагментів, а ребра — просторовим зв’язкам із вагами, оберненими до відстані. Для аналізу отриманого графа було застосовано багаторівневий підхід, що поєднує топологічні, спектральні та гомологічні методи для оцінки структури та зв’язності гелевої матриці. Об’єктом дослідження є зображення колоїдного гелю з клітинними домішками, отримані за допомогою мікроскопу. Предметом дослідження є його просторово-структурна організація як графової мережі. Наукова новизна полягає у створенні комбінованої методології сегментації та графового моделювання гелевих структур з біоізображень. Вперше застосовано TDA до аналізу реальних гелевих структур, що дозволило виявити компоненти зв’язності, наявність локальних "хабів", зон ущільнення і перехідних фаз. Запропонована модель зберігає текстурну інформативність, передає фібрилярні структури і дозволяє точне відтворення топології гелю. Практичне значення дослідження полягає у створенні формалізованого підходу до опису просторової організації гелів, що може бути використаний для стандартизації морфометричних і біофізичних досліджень, створення біоматеріалів із прогнозованими властивостями та об’єктивного порівняння гелевих структур. Апробація. Робота була представлена на XXIII Науково-практичній конференції студентів, аспірантів та молодих вчених «Теоретичні і прикладні проблеми фізики, математики та інформатики», що відбувалась 13-15 травня 2025 року в місті Київ.Документ Відкритий доступ Графовий аналіз зв’язності незмішаних колоїдних гелів(КПІ ім. Ігоря Сікорського, 2025) Асєко-Нкілі, Андрій Мігельович; Яворський, Олександр АндрійовичМагістерська дисертація: 64 с., 10 рис., 2 табл., 13 джерел, 1 додаток. Актуальність дослідження. Сучасні методи аналізу мікроструктури демонструють обмеження при роботі з експериментальними даними через високу чутливість до шуму, потребу в ручному налаштуванні параметрів та неможливість кількісної оцінки топологічних властивостей. Актуальність посилюється зростанням обсягів даних від сучасних методів мікроскопії. У біомедичній сфері точна характеризація структури гелів визначає оптимізацію систем доставки ліків, створення біосумісних імплантатів та розробку матриксів для тканинної інженерії. Економічна актуальність підтверджується потенціалом оптимізації промислових процесів через покращений контроль структури колоїдних матеріалів. Об'єкт дослідження: методи структурного аналізу гелевих структур. Предмет дослідження: методи автоматизованого аналізу та графового моделювання структурних зв'язків зображень колоїдних гелів. Мета: розробка інтегрованого підходу для аналізу мікроструктури незмішаних колоїдних гелів, що поєднує передобробку зображень, адаптивну кластеризацію та графове моделювання структурних зв'язків. Завдання дослідження: 1. Аналіз наукової літератури з автоматизованого визначення фізичних властивостей колоїдних гелів 2. Розробка комплексного методу передобробки даних на основі багатовимірного простору ознак для сегментації зображень колоїдних гелів 3. Реалізація адаптивної кластеризації для автоматичного виділення структурних елементів гелю 4. Створення алгоритму побудови графової моделі структурних взаємозв'язків між компонентами гелю 5. Розробка методології спектрального аналізу отриманих графів для кількісної оцінки структурної організації 6. Дослідження впливу параметрів алгоритму на якість сегментації та характеристики отриманих графів 7. Експериментальна валідація запропонованого підходу на реальних зображеннях колоїдних гелів 8. Визначення кількісних індикаторів мікроструктурної організації, релевантних для оцінки механічних властивостей гелів Методи дослідження 1. Методи цифрової обробки зображень (оператори Собеля, лапласіан, локальна ентропія, unsharp mask) 2. Методи машинного навчання (кластеризація K-means) 3. Методи морфології зображень (дилатація, ерозія, операції відкриття та закриття) 4. Теорія графів (побудова графових моделей, обчислення метрик щільності, центральності, ступенів вершин, аналіз власних значень матриці Лапласа, обчислення алгебраїчної зв'язності, спектральної ентропії, ефективного опору) 5. Статистичні методи (оцінка якості сегментації за метриками Accuracy, Precision, Specificity) 6. Комп'ютерне моделювання (програмна реалізація алгоритмів, візуалізація результатів) Наукова новизна 1. Розробка комплексного підходу до автоматизованого аналізу мікроструктури колоїдних гелів, що інтегрує методи обробки зображень та спектральної теорії графів. 2. Формування багатовимірного простору ознак для характеризації гелевих структур, що поєднує варіацію лапласіана, локальну ентропію, градієнти Собеля та інші комплементарні оператори 3. Створення підходу до побудови морфологічного графа гелевої структури з подальшим спектральним аналізом 4. Застосування для колоїдних гелів методів теорії графів, включаючи аналіз власних значень матриці Лапласа, розрахунок ефективного опору між вузлами та обчислення спектральної ентропії 5. Інтеграція всіх розроблених компонентів, що забезпечує автоматизований перехід від піксельного представлення зображень до топологічної моделі Апробація результатів роботи та публікацій: Робота була представлена на XXIII Науково-практичній конференція студентів, аспірантів та молодих вчених «Теоретичні і прикладні проблеми фізики, математики та інформатики», що відбувалась 13-15 травня 2025 року в місті Київ.Документ Відкритий доступ Гібридизація методів ройового інтелекту для знаходження розв’язків оптимізаційних задач(КПІ ім. Ігоря Сікорського, 2024) Литовченко, Микита Віталійович; Хайдуров, Владислав ВолодимировичКваліфікаційна робота містить: 73 сторінку, 12 рисунків і 27 джерел. На використанні математичних методів оптимізації, у продуктах що використовують штучний інтелект, не закінчується використання математичної оптимізації, для різних задач використовують різні методи які навіть поділені на різні види та класи. Бо як відомо жоден метод не може однаково добре працювати абсолютно для всіх задач, і в будь-якому разі для цього потрібно буде або модифікувати метод, або ж гібридизувати (об’єднувати) два чи більше методів разом, щоб отримати новий метод який зможе впоратися з поставленою задачею, і якраз ця методика гібридизації розглянута в цьому дослідженні. Початок цієї роботи сфокусований на отримання представлення та розуміння про існуючі методи, а саме евристичні методи оптимізації що дуже широко використовуються у оптимізації інженерно поставлених задач для оптимізації структури різних фізичних об’єктів. На розгляд було обрано 3 евристичні методи оптимізації, а саме: бджолиний алгоритм, алгоритм зграї кажанів, та китовий алгоритм. Ці три методи були обрані враховуючи що не було знайдено дослідження де б вони фігурували разом як частини для створення нового гібриду на їх основі. В роботі було запропоновано 5 варіацій гібридизації обраних методів, а саме: гібриди «бджіл з китами» №1–3, гібрид «кажанів з китами» та гібрид «бджіл з кажанами». У результаті було визначено що найкращі результати надав китовий алгоритм з усіх простестованих методів, включаючи навіть гібридні, а найкращим гібридом з представлених було визнано гібрид «бджіл з кажанами».Документ Відкритий доступ Дослідження методів зменшення розмірності даних в галузі інтелектуального аналізу(КПІ ім. Ігоря Сікорського, 2021-12) Хомініч, Дмитро Сергійович; Орєхов, Олександр АрсенійовичДослідження методів та алгоритмів зниження розмірності в даних, та побудова наявної моделі класифікації з використанням технік машинного навчання. Суть в тому, щоб побудувати модель з використанням технік зменшення розмірності даних, щоб уникнути деяких проблем пов’язаних з переоснащеними даними, та щоб збільшити точність передбачень класифікатора. Методом дослідження було опрацювання робот по методам машинного навчання, присвячені теоретичним і практичним аспектам їх застосування, а також документація до методів обробки даних. У роботі використана теорія алгоритмів, математичний аналіз, теорія ймовірності, та програмування, а також математична статистика та аналіз даних. Об’єктом дослідження є використання визначеної термінології у публікаціях, та навчальних посібниках різних напрямів та нормативно-правових документах. Були пророблено різні підходи визначено кращі напрями, та враховані усі рекомендації. Предметом дослідження є методи машинного навчання, алгоритми та математичні методи.Документ Відкритий доступ Задача розмітки на деревах для випадку поступового надходження даних(КПІ ім. Ігоря Сікорського, 2022-06) Кириленко, Іван Андрійович; Орєхов, Олександр АрсенійовичУ роботі розглянуто задачу розмітки на деревах для випадку повільного надходження даних. Розроблено алгоритми для ефективного розв'язання задачі розмітки для різних випадків повільного надходження даних. Розроблена програмна імплементація запропонованих алгоритмів на мові С++. Порівняно час роботи алгоритмів після надходження всіх даних для різних випадків та характерів надходження цих даних. Проведено аналіз отриманих результатів.Документ Відкритий доступ Застосування квадратичної ентропії(КПІ ім. Ігоря Сікорського, 2022-06) Кучинський, Кирило Олександрович; Орєхов, Олександр АрсенійовичМетою роботи було дослiдження поняття квадратичної ентропiї та її застосування для задачi класифiкацiї на деревах рiшень У ходi даної роботи було проаналiзовано квадратичну ентропiю, поняття яке ви-никло як теоретичний результат в теорiї випадкових процесiв. В цiй працi було ада-птовану формулу квадратичної ентропiї для застосування її для табличних даних та реалiзовану у програмному кодi. Квадратична ентропiя застосувалася як цiльова функцiя для класифiкацiйних дерев рiшень. Також у ходi даної роботи квадратичну ентропiю було порiвняно ентропiєю Шен-нона. Результати показали, що для датасетiв з великою кiлькiстю атрибутiв квадра-тична ентропiя демонструє вищу точнiсть, анiж ентропiя Шеннона.
- «
- 1 (current)
- 2
- 3
- »