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 33
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 ВалерійовичДокумент Відкритий доступ Аналіз якості моделей глибокого навчання в системах рекомендацій(КПІ ім. Ігоря Сікорського, 2022) Малиняк, Володимир Володимирович; Шелестов, Андрій ЮрійовичДокумент Відкритий доступ Асимптотика геометричних характеристик гладких многовидів під дією фазових потоків(КПІ ім. Ігоря Сікорського, 2022-06) Навроцький, Геннадій Вікторович; Орєхов, Олександр АрсенійовичДокумент Відкритий доступ Вирівнювання зображень розлінованих аркушів(КПІ ім. Ігоря Сікорського, 2022-12) Бондар, Марія Олександрівна; Терещенко, Іван МиколайовичДокумент Відкритий доступ Генерування тренувальних даних за допомогою технологiї NeRF для задач стереозору(КПІ ім. Ігоря Сікорського, 2022) Колодяжна, Олена Олександрiвна; Куссуль, Наталія МиколаївнаДокумент Відкритий доступ Геопросторова цифрова модель Києва на основі супутникових даних(КПІ ім. Ігоря Сікорського, 2021) Калінчук, Анастасія Миколаївна; Шелестов, А. Ю.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 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 АрсенійовичДокумент Відкритий доступ Задача розмітки на деревах для випадку поступового надходження даних(КПІ ім. Ігоря Сікорського, 2022-06) Кириленко, Іван Андрійович; Орєхов, Олександр АрсенійовичДокумент Відкритий доступ Застосування квадратичної ентропії(КПІ ім. Ігоря Сікорського, 2022-06) Кучинський, Кирило Олександрович; Орєхов, Олександр АрсенійовичДокумент Відкритий доступ Ймовірнісна модель об’ємної 3D реконструкції з врахуванням невизначеності(КПІ ім. Ігоря Сікорського, 2024) Хмелевський, Святослав Олександрович; Хайдуров, Владислав ВолодимировичКваліфікаційна робота містить 95 стор., 14 рисунків, 1 таблицю, 36 джерел. В магістерській дисертації розглядається ймовірнісна постановка задачі тривимірної реконструкції, яка полягає в побудові воксельної сцени з набору зображень. Метою роботи є побудова математичних моделей тривимірної воксельної реконструкції, які в явному виді враховують стан невизначеності. Нові моделі не спираються на окремому моделюванні зовнішнього вигляду об’єктів тривимірного простору в порівнянні з деякими моделями з попередніх досліджень, які розглядаються. Об’єктом дослідження є марковські випадкові поля. Предметом дослідження є математичні моделі тривимірної реконструкції на основі марковських випадкових полів. В процесі виконання магістерської роботи був здійснений огляд публікацій та літератури за темами проєктивної геометрії, теорії графових моделей, задачі тривимірної реконструкції, а також запропонованих у попередніх дослідженнях методів знаходження розв’язку відповідної проблеми. Також в дисертації здійснений детальний опис побудови запропонованих тристанових моделей воксельної реконструкції і окремо наведені методи розв’язання проблем, які виникли під час їхньої реалізації, зокрема, проблеми кидання променів. Наприкінці роботи містяться візуалізації отриманих результатів, а також їхнє коротке порівняння.Документ Відкритий доступ Математичні моделі змагальних атак на системи розпізнавання образів(КПІ ім. Ігоря Сікорського, 2022) Омельченко, Богдан Романович; Куссуль, Наталія МиколаївнаДокумент Відкритий доступ Метод оцінювання індикаторів цілі сталого розвитку 15.3.1 на основі супутникових даних для території України(КПІ ім. Ігоря Сікорського, 2022) Дякун, Олексій Олегович; Шелестов, Андрій ЮрійовичДокумент Відкритий доступ Методи й алгоритми ройового iнтелекту знаходження розв’язкiв прикладних та iнженерних завдань(КПІ імені Ігоря Сікорського, 2024) Татенко, Вадим Сергійович; Хайдуров, Владислав ВолодимировичКваліфікаційна робота містить: 73 стор., 15 рисунки, 12 таблиць, 11 джерел. Оптимізаційні методи й алгоритми ройового інтеректу є ефективним інструментом вирішення прикладних оптимізаційних задач в різних сферах. Це може бути як оптимізація маршрутизації телекомунікаційних мереж, так пошук оптимальних параметрів для покращення характеристик фізичних конструкцій. Прикладні задачі можуть бути кардинально різної складності по кількості параметрів моделі і не тільки. В свою чергу існує не малий набір алгоритмів для вирішення таких задач. Але не є гарантованим те, що алгоритм впорається з поставленою задачею, чи впорається недостатньо точно, чи застрягне в локальному екстремумі, чи буде виконуватись довгий час. Тому розробка модифікацій до існуючих алгоритмів є актуальною задчею для вирішення. В даній роботі буде представлено та протестовано нові модифікації для оптимізаційного методу диференційної еволюції, які протестовані на прикладних моделях, та сформовані порівняльні таблиці модифікованого методу DE з базовим методом DE.Документ Відкритий доступ Методи машинного навчання для аналізу якості життя в сільській місцевості(КПІ ім. Ігоря Сікорського, 2024) Захарченко, Леонід Максимович; Яйлимова, Ганна ОлексіївнаДипломна робота містить 66 сторінок, 29 ілюстрацій, 1 таблицю, 2 формули, 6 посилань на джерела літератури. Об’єктом дослідження даної роботи є класифікація сільської місцевості регіонів України за рядом параметрів. Мета дослідження полягає у проведенні аналізу та виборі існуючого метода для класифікації сільської місцевості з застосуванням геопросторових даних з таких джерел, як Open Street Map, Укр.Стат тощо. Використані дані були зібрані та підготовані науковцями кафедри ММАД в межах проєкту МОН "Інформаційні технології геопросторового аналізу розвитку сільських територій і громад", що фінансується за рахунок зовнішнього інструменту допомоги Європейського Союзу для виконання зобов’язань України у Рамковій програмі Європейського Союзу з наукових досліджень та інновацій “Горизонт 2020”. Методи дослідження у даній роботі – методи обробки геопросторової інформації, а також методи для оцінки якості обраних метрик. Для досягнення поставленої мети було розроблено кластеризаційний метод класифікації на основі методу аналізу ієрархій, та проаналізовано отримані результати у графічному вигляді в додатку Qgis.Документ Відкритий доступ Методи і моделі розпізнавання об’єктів військового озброєння(КПІ ім. Ігоря Сікорського, 2024) Кірсенко, Єгор Вікторович; Хайдуров, Владислав ВолодимировичДипломна робота: 70 с., 31 рис., 1 табл., 2 додатки, 25 джерел. Об’єктом дослідження є безпілотні літальні апарати, збір й аналіз даних, що отримуються в режимі реального часу безпілотними літальними апаратами з метою автоматизації й розпізнавання образів. Предметом дослідження є математичні моделі розпізнавання образів та принципів машинного навчання, які будуються на основі сенсорних даних з безпілотних літальних апаратів з метою розпізнавання представників наперед визначених типів об’єктів (класів). Мета роботи – розроблення нейромережевої математичної моделі розпізнавання основних класів літальних апаратів з метою зменшення негативних наслідків застосування такого роду об’єктів по об’єктам і системам критичної інфраструктури у війні проти України. Ключовою особливістю програми є можливість автоматичного визначення літального апарату по фото без втручання людей. Це можна використовувати в багатьох сферах безпеки та нагляду. Науковою новизною магістерської роботи є побудована і навчена нейромережева математична модель основних образів військових літальних апаратів. Практичними застосуванням результатів магістерської роботи є можливість застосування побудованої нейромежевої математичної моделі для прийняття подальших рішень щодо ліквідації ворожих літальних апаратів з метою максимального захисту об’єктів критичної інфраструктури, об’єктів енергетики країни загалом.Документ Відкритий доступ Модель перенесення навчання для оцінки хлорофілу-а за допомогою супутникового зображення(КПІ ім. Ігоря Сікорського, 2024) Геніцой, Павло Олексійович; Шелестов, Андрій ЮрійовичМагістерська дисертація містить 118 сторінок, 16 ілюстрацій, 3 таблиці та 40 літературних джерел. Актуальність: оцінка концентрації хлорофілу-а є дуже важливою для моніторингу водних екосистем та біорізноманіття. Хлорофіл-а відображає фотосинтетичну активність фітопланктону, який є ключовими компонентами водних екологічних систем та базовим джерелом органіки. Традиційні методи вимірювання хлорофілу-а є трудомісткими, дорогими і обмеженими по простору та часу. Використання супутникових даних для моніторингу великих територій з високою частотою є ефективним. Представлений підхід із використанням моделі перенесення навчання дозволяє здійснювати моніторинг хлорофілу-а на великих територіях. Мета даної роботи: розробка та апробація інтелектуальної моделі трансфертного навчання оцінки хлорофілу-a на основі супутникових зображень. Для досягнення мети було використано: модель багатошарового персептрона; супутникові зображення Sentinel-2/Sentinel-3, продукт GCOM-C/SGLI L3, дані Coriolis для перевірки; платформа Google Earth Engine (GEE); Google Colab, PyCharm та бібліотеки Python/ML для реалізації алгоритмів. Завдання: налаштування програмного середовища для обробки та аналізу даних; підготовка даних супутникових систем Sentinel-2, Sentinel-3 та GCOM-C/SGLI L3 V2, а також від наземних вимірювань Coriolis; стандартизація даних для подальшого аналізу; проведення кореляційного аналізу між концентрацією хлорофілу-a (Chla) з різних джерел даних; застосування технології перенесення навчання в пілотній зоні для Середземного моря – Лімасол, Кіпр для прогнозування значень концентрацію хлорофілу за супутниковими даними; побудова карти просторового розподілу концентрації хлорофілу-а в акваторії Лімассолу (Кіпр); моделювання хлорофілу-а за даними вищого просторового розрізнення; тестування моделі при використанні хлорофілу-а з різних джерел даних. Об’єкт дослідження: концентрація хлорофілу-а в морських екосистемах, зокрема в Середземноморському регіоні, і можливості його оцінки за допомогою супутникових зображень. Предмет дослідження: методи оцінки концентрації хлорофілу-а у водних екосистемах на основі супутникових зображень. Методи дослідження: системний аналіз, кореляційний аналіз, алгоритми машинного навчання, методи обробки цифрових зображень, оптимізація гіперпараметрів моделей, методи аналізу даних та математичної статистики. Наукова новизна даної праці полягає в розробці та використанні моделі трансфертного навчання для оцінки концентрації хлорофілу-а за допомогою супутникових зображень для Середземного моря. Основні пункти включають: адаптація моделі MLP для нових географічних зон з використанням різних супутникових даних; визначення спектральних та інформативних показників, які корелюють з концентрацією хлорофілів-а; розробка методів підвищення просторового розрізнення концентрації хлорофілу-а на основі супутникових даних. Практична новизна дослідження полягає у розробці методології, яка дозволяє здійснювати оперативний моніторинг якості води на великих територіях. Практична новизна включає: використання супутникових зображень Sentinel-2 та GCOM-C/SGLI для оцінки концентрації хлорофілу-а, що дозволяє значно знизити витрати порівняно з традиційними методами моніторингу; розробка карт концентрації хлорофілу-а з високим просторовим розрізненням для різних регіонів, що може бути використано для управління природними ресурсами та охорони навколишнього середовища. Апробація результатів дисертації. Матеріали різних розділів дисертації доповідалися та обговорювались на XXII Всеукраїнській науково-практичній конференцiї студентiв, аспірантів та молодих вчених теоретичнi i прикладні проблеми фізики, математики та iнформатики. 13−17 травня 2024 р., м. Київ, Україна.», міжнародному симпозіумі 4th International Symposium on Applied Geoinformatics (ISAG2024). 9-10 May 2024. Wroclaw, Poland.Документ Відкритий доступ Модифікація алгоритму фазової кореляції для виявлення замаскованих об'єктів на зображеннях(КПІ ім. Ігоря Сікорського, 2023) Дякуненко, Максим Сергійович; Терещенко, Іван МиколайовичДипломна робота має обсяг 80 сторінок, містить 6 рисунків, а також 24 бібліографічних джерел. У роботi обґрунтовано застосування модифiкацiї алгоритму фазової кореляцiї для вирiшення задачi розпiзнавання замаскованих об’єктiв на цiльових зображеннях з використанням еталонних зображень замаскованих об’єктiв. Було модифiковано алгоритм фазової кореляцiї для врахування рiзних масштабiв та поворотiв на рiзнi кути еталонних зображень, а також був застосований метод пiрамiдального масштабування. Проаналiзовано результати розпiзнавання на основi алгоритму фазової кореляцiї, якi свiдчать про успiшне розв’язання поставленої задачi. Об’єктом дослідження є розпізнавання замаскованих об’єктів. Предметом дослідження є відповідна модифікація алгоритму фазової кореляції. Метою роботи є модифікація алгоритму фазової кореляції для розпізнавання замаскованих зображень з датасету COD10K з використанням пірамідального підходу для покращення швидкодії алгоритму, а також застосуванням поворотів, зміни масштабу і афінних перетворень до еталонних зображень. Дана робота містить модифiкований алгоритм фазової кореляцiї з урахуванням рiзних масштабiв, поворотiв на рiзнi кути еталонних зображень та застосування пiрамiдального масштабування для покращення швидкодiї алгоритму. У ході роботи було модифіковано алгоритм фазової кореляції та здійснено порівняння результатів з результатами стандартного алгоритму фазової кореляції та методу нормалізованої кросс кореляції. У подальшому отриманий результат можна використовувати для практичного застосування та для продовження дослідження проблеми розпізнавання замаскваних об’єктів на зображеннях.