Магістерські роботи
Постійне посилання зібрання
Переглянути
Нові надходження
Документ Відкритий доступ Ефективність електротехнологічного комплексу індукційної плавки міді в умовах погіршенні його термоізоляції при тривалому використанні(КПІ ім. Ігоря Сікорського, 2025) Федорченко, Ілля Ігорович; Щерба, Максим АнатолійовичМагістерська дисертація складається із вступу, п’яти розділів, висновків, списку використаних джерел та додатків. Робота містить 98 сторінок основного тексту, ілюстрована 19 рисунками, 8 таблицями та 32 бібліографічними джерелами. Об'єктом дослідження є електротехнологічний комплекс індукційної плавки міді. Предметом дослідження є вплив погіршення термоізоляційних властивостей на енергоефективність та теплові втрати індукційної печі при тривалій експлуатації. Мета роботи полягає в підвищенні енергоефективності електротехнологічного комплексу індукційної плавки міді за рахунок удосконалення теплоізоляційних систем і впровадження технічних рішень для зниження теплових втрат. Методи дослідження: аналітичний огляд літературних джерел, математичне моделювання теплових процесів, розрахунковий аналіз теплових втрат та економічна оцінка енергетичних витрат. Наукова новизна результатів: - побудовано математичну модель теплових втрат через конструкцію індукційної печі з урахуванням ступеня деградації термоізоляційного шару. - встановлено критичні значення коефіцієнта деградації теплоізоляції, при яких енергоефективність обладнання різко знижується. - зозроблено практичні рекомендації щодо запобігання деградації теплоізоляційних систем та підвищення довговічності індукційних печей. Практичне значення результатів: - запропоновані заходи щодо модернізації теплоізоляційних систем дозволяють знизити теплові втрати печі до 30%, зменшити річні витрати електроенергії на 10–15% та подовжити термін служби обладнання на 20-30%. - рекомендації можуть бути впроваджені на підприємствах кольорової металургії для підвищення енергоефективності виробництва та зниження собівартості продукції.Документ Відкритий доступ Напівпровідникові електророзрядні системи з накопичувальними конденсаторами та додатним зв’язком за напругою(КПІ ім. Ігоря Сікорського, 2025) Кіш, Роберт Степанович; Щерба, Анатолій АндрійовичМагістерська дисертація складається з чотирьох розділів, вступу та висновків, містить 85 сторінок тексту. У тексті роботи наведено 8 рисунків, 4 таблиць та 26 бібліографічних матеріалів за переліком посилань. Об’єктом дослідження напівпровідникова електророзрядна система з накопичувальним конденсатором і позитивним зворотним зв'язком за напругою. Предметом дослідження процеси зарядки і розрядки накопичувального конденсатора, енергетичні та динамічні характеристики системи при реалізації позитивного зворотного зв'язку за напругою. Метою роботи підвищення середньої імпульсної потужності та енергетичної ефективності напівпровідникової електророзрядної системи шляхом реалізації позитивного зворотного зв'язку між зарядною та залишковою напругою накопичувального конденсатора. Методи дослідження: метод електричних кіл, математичне моделювання, параметричний синтез, імітаційне моделювання в MATLAB/Simulink, аналіз добротності контурів та ККД. Наукова новизна результатів: проведено параметричний синтез триконтурної тиристорної ФРІ з регульованим позитивним зворотним зв’язком. Отримано різницеве рівняння для зарядно-розрядного процесу з урахуванням залишкової напруги. Визначено умови стабілізації зарядної напруги та підвищення імпульсної потужності без трансформаторного підсилення.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 Синхронний двигун зі збудженням від постійних магнітів для занурювальної насосної установки з підвищеними масоенергетичними показниками(КПІ ім. Ігоря Сікорського, 2025) Сулім, Владислав Андрійович; Чумак, Вадим ВолодимировичУ магістерській дисертації представлено дослідження, проєктування та математичне моделювання синхронного електродвигуна з постійними магнітами (Синхронний двигун з постійними магнітами) для занурювальних насосних установок. Актуальність теми обумовлена необхідністю підвищення енергоефективності та масоенергетичних характеристик електромеханічних систем у водопостачанні та споріднених галузях. В роботі виконано огляд конструкцій електричних машин з постійними магнітами, наведено класифікацію, описано основи регулювання магнітного потоку, частоти обертання та моменту. Особливу увагу приділено використанню Nd-Fe-B магнітів, їх властивостям, корозійній стійкості та поведінці при нагріванні. У другому розділі розглянуто енергозбереження в системах з насосами СДПМна прикладі водоканалів Німеччини, виконано аналіз енергоспоживання, подано рекомендації щодо підвищення ефективності. Третій розділ присвячено розрахунку характеристик двигуна потужністю 37 кВт, включаючи розрахунок електромагнітних параметрів, тепловий аналіз, побудову математичної моделі та реалізацію системи керування на основі концепції зворотної задачі динаміки. Дослідження підтверджує ефективність запропонованого підходу до керування Синхронний двигун з постійними магнітами, високу точність регулювання швидкості та низьку чутливість до параметричних збурень. Це відкриває перспективи впровадження таких двигунів у високоефективні приводи насосного обладнання.Документ Відкритий доступ Удосконалення демпферної системи ротора потужного синхронного генератора(КПІ ім. Ігоря Сікорського, 2025) Басюк Андрій Юрійович; Гераскін, ОлександрУдосконалення конструктивних елементів потужних синхронних генераторів є важливим завданням сучасного електромашинобудування, оскільки від їх надійності та ефективності залежить стабільна робота енергетичних систем. Одним із ключових елементів, що потребує особливої уваги, є демпферна система ротора, яка виконує функцію зниження вібрацій та стабілізації роботи генератора під час переходових режимів. У рамках даної магістерської дисертації було проведено удосконалення демпферної системи ротора синхронного генератора. За допомогою методів математичного моделювання й інструментів САПР Solidworks були досліджені теплові характеристики машини та механічні напруження в окремих конструктивних елементах. Особливу увагу приділено оптимізації конструкції стрижнів генератора, що безпосередньо впливають на загальну термостійкість і механічну міцність системи. Результати моделювання у номінальному режимі роботи, з урахуванням впливу температурного поля та механічних навантажень, дозволили виявити шляхи покращення тепловідведення та зниження напруженості в критичних зонах конструкції. Таким чином, проведені дослідження створюють передумови для підвищення надійності, довговічності та ефективності роботи потужного синхронного генератора за рахунок удосконалення демпферної системи його ротора.Документ Відкритий доступ Прогнозування глобальних конфліктів засобами машинного навчання: часовий аналіз історичних даних про війни(КПІ ім. Ігоря Сікорського, 2025) Бондаренко, Даниїл Олександрович; Купенко, Ольга ПетрівнаМагістерська дисертація: 127 ст., 37 рис., 24 табл., 29 посилань, додаток. Об’єкт дослідження – часовий ряд, що відображає загальну кількість активних глобальних військових конфліктів у світі. Предмет дослідження – статистичні методи та моделі машинного навчання, що використовуються для прогнозування розвитку часового ряду з метою оцінки ризику виникнення глобальних конфліктів. Метою роботи є аналіз структурних особливостей вхідних даних та побудова адекватного прогнозу кількості військових конфліктів у світі на перспективу 10 років. У дисертаційній роботі розглянуто етапи передобробки часового ряду, проведено його аналіз та характеристику, досліджено методи сезонної та трендової декомпозиції. Також побудовано моделі прогнозування з використанням класичних статистичних методів та алгоритмів машинного навчання, зокрема багатошарового перцептрона та рекурентних нейронних мереж. Результатом дослідження є: - проведення порівняльного аналізу точності прогнозів різних моделей із використанням відповідних метрик оцінювання; - побудова прогнозу загальної кількості діючих військових конфліктів у світі на наступні 10 років; - формування регіональних прогнозів кількості глобальних конфліктів у розрізі частин світу.Документ Відкритий доступ Виявлення аномалій на зображеннях у промисловому виробництві за допомогою нейронних мереж(КПІ ім. Ігоря Сікорського, 2025) Бурдейний, Артем Олександрович; Пишнограєв, Іван ОлександровичМагістерська дисертація: 102 с., 25 рис., 21 табл., 25 посилань, додаток. Об’єкт дослідження – зображення промислової продукції та бінарні маски локалізації дефектів із публічного набору даних MVTec AD. Предмет дослідження – методи виявлення та локалізації аномалій на зображеннях продуктів промисловості. Актуальність роботи полягає в розробці моделі для точного виявлення пошкоджень та дефектів на різноманітній промисловій продукції. Метою роботи є розробка власної self-supervised моделі, що здатна як класифікувати зображення на нормальні та аномальні, так і виконувати бінарну сегментацію зображень виділяючи та локалізуючи дефектні ділянки. Порівняти її результати із методом PatchCore. Додатково дослідити, як дифузійна модель здатна покращити якість реконструкції, що виконана за допомогою VQ-VAE, для задач виявлення аномалій на зображеннях. Наукова новизна роботи полягає в поєднанні безумовної дифузійної моделі разом з VQ-VAE для усунення дефектів із зображень в латентному просторі VQ-VAE та подальшого покращення виявлення аномалій на зображеннях. Імплементовано метод PatchCore. Представлено та імплементовано модель для виявлення аномалій, що складається з таких компонентів як VQ-VAE, дифузійна модель та сегментаційна мережа U-Net. Для представленої моделі отримано значення метрик pixel-AUROC 0.9887 та IoU 0.7012. Результати роботи подано до опублікування у періодичне видання «Electronics and Control Systems».Документ Відкритий доступ Пошук гетерогенних судин при рентгенівській коронарографії через машинне навчання(КПІ ім. Ігоря Сікорського, 2025) Головацький, Михайло Русланович; Синєглазов, Віктор МихайловичМагістерська дисертація: 160 с., 76 рис., 18 табл., 32 посилань, додаток. Об’єктом дослідження є цілісний процес діагностування патологій коронарних судин на основі ангіографічних зображень. Предметом дослідження виступають алгоритми глибокого навчання й комп’ютерного зору, призначені для автоматичного виявлення гетерогенних судин, сегментації та класифікації стенозу. Метою роботи є розроблення, теоретичне обґрунтування та експериментальна перевірка комплексної системи, що поєднує дві моделі U‐Net для сегментації коронарних артерій і стенозу та модель ResNet для кількісного визначення ступеня стенозу. Запропонована архітектура забезпечує інтегрований ланцюжок «зображення → сегментація → класифікація», що зменшує суб’єктивний вплив лікаря, скорочує час аналізу та створює підґрунтя для стандартизованого клінічного рішення. Експериментальні дослідження проведено на датасетах ARCADE та CADICA. Наукова новизна полягає в поєднанні каскадних сегментаційних моделей із класифікатором ResNet у єдиній топології, що дає змогу одночасно враховувати морфологію судин і характеристики стенозу, а практичне значення ‐ у можливості інтеграції системи в CAD‐платформи для допоміжної діагностики.Документ Відкритий доступ Система оцінювання кредитного ризику в сфері P2P позик(КПІ ім. Ігоря Сікорського, 2025) Тригуб, Артем Павлович; Недашківська, Надія ІванівнаМагістерська дисертація: 113 с., 18 рис., 24 табл., 59 посилань, додаток. Об’єктом дослідження є задача оцінювання кредитного ризику при видачі позики в сфері P2P. Предметом дослідження є різні методи машинного навчання для класифікації позичальників на основі історичних даних, зокрема ансамблеві рішення та методи покращення якості базових моделей. Метою роботи є аналіз методів побудови скорингових моделей та розробка системи для прийняття рішень щодо доцільності надання позики. Покращення якості класифікації через модифікацію базових підходів. Запропоновано та реалізовано модель оцінювання кредитного ризику в сфері P2P позик з використанням генетичного алгоритму в якості мета-класифікатора в ансамблях типу беггінгу. Такий підхід більш гнучко оцінює внесок кожного базового класифікатора в остаточному результаті. Проведено порівняння запропонованого рішення з іншими методами машинного навчання, які використовуються при вирішенні такого роду задач, зокрема різними модифікаціями ансамблів на основі дерев рішень.Документ Відкритий доступ Вплив вуглецевих нанотрубок на характеристики течії розплаву полімеру при екструзії двошарових труб(КПІ ім. Ігоря Сікорського, 2025) Гурін, Роман Сергійович; Гондлях, Олександр ВолодимировичДослідження присвячене процесу течії розплавів полімерів під час спільної екструзії в екструзійній головці для формування двошарової труби, зокрема впливу біоактивних нанотрубок (БВНТ) на характеристики процесу формування труби. Метою роботи є вивчення впливу концентрацій БВНТ (0-8 wt%) у поліпропілені (ПП) на технологічні параметри та формування двошарової труби при спільній екструзії з полівінілхлоридом (ПВХ), а також визначення оптимальної концентрації для забезпечення рівномірного розподілу товщини шарів та мінімізації деформацій екструдату. Результати роботи є новими, оскільки вперше досліджено спільну екструзію ПП/БВНТ + ПВХ з урахуванням еволюційного процесу формування зовнішнього наномодифікованого шару, встановлено вплив концентрації БВНТ на тиск при екструзії та розподіл товщини шарів у двошарових наномодифікованих трубах, а також обґрунтовано оптимальну концентрацію (2 wt%) БВНТ для зовнішнього шару двошарової труби.Документ Відкритий доступ Підвищення ефективності процесу фільтрації шляхом використання мембранно-тканинного композиційного матеріалу(КПІ ім. Ігоря Сікорського, 2025) Мосійчук, Оксана Андріївна; Чемерис, Андрій ОлеговичРозглядається процес фільтрації з використанням композитного мембранного фільтру, зосереджуючись на взаємозв’язку між розміром і розподілом частинок фільтрувального матеріалу та параметрами оцінки фільтраційного осаду при різних значеннях фільтраційного тиску. Метою роботи є визначення впливу гранулометричних характеристик фільтрувальних матеріалів на ефективність процесу зневоднення суспензій під дією різних значень тиску. Наукова новизна отриманих результатів полягає в поглибленні уявлень про вплив гранулометричних характеристик фільтрувальних матеріалів на ефективність процесів зневоднення суспензій, проведенні морфологічного аналізу структури мембран, дослідженні впливу заданого тиску на ключові параметри фільтраційного осаду та встановленні критичних точок ефективності зневоднення в залежності від тиску. Також було порівняно та оцінено фільтраційні властивості матеріалів з різними гранулометричними характеристиками. Практичне значення результатів полягає в можливості їх використання для оптимізації фільтраційних режимів з метою зниження енергетичних витрат і підвищення ефективності зневоднення, зокрема в хімічній, фармацевтичній та харчовій промисловостях.Документ Відкритий доступ Особливості нанесення вуглецевих нанотрубок на полімерну основу методом холодного газодинамічного напилення(КПІ ім. Ігоря Сікорського, 2025) Янковський, Ілля Олексійович; Гондлях, Олександр ВолодимировичРозглядається процес нанесення вуглецевих нанотрубок на полімерну основу методом холодного газодинамічного напилення, що є перспективною технологією для створення зносостійких покриттів. Вивчається механізм зчеплення вуглецевих нанотрубок з полімерною підкладкою, виготовленою з поліефірефіркетону, а також впливу критичної швидкості осадження частинок і кута удару на ефективність цього процесу. Метою дисертації є визначення оптимальних умов закріплення вуглецевих нанотрубок на полімерній підкладці, що дозволить покращити адгезію та зносостійкість покриттів. У результаті проведених досліджень розвинуто новий підхід до чисельного моделювання процесу холодного газодинамічного напилення наноматеріалів, враховуючи термомеханічні ефекти та умови високошвидкісної контактної взаємодії. Встановлено залежності між кінематичними параметрами частинок і ефективністю їх закріплення, що дозволяє визначати оптимальні умови для формування зносостійких покриттів на полімерних поверхнях. Практичне значення отриманих результатів полягає в розробці комплексу інструментів у вигляді чисельних моделей та методик для оптимізації процесу закріплення вуглецевих нанотрубок, а також у створенні стартап-проекту, що передбачає нанесення нанопокриттів у авіаційній галузі, що може суттєво підвищити експлуатаційні характеристики авіаційних компонентів.Документ Відкритий доступ Моделювання співекструзійного формування пакувальних плівок(КПІ ім. Ігоря Сікорського, 2025) Витвицький, Владислав Миронович; Сокольський, Олександр ЛеонідовичРобота спрямована на вивчення співекструзії для виробництва багатошарових пакувальних плівок із одночасним екструдуванням матеріалів з різними властивостями. Особлива увага приділяється тому, як витрата та в'язкість в'язкопружних матеріалів впливають на розподіл товщини шарів. Метою є визначення математичних моделей спільної течії, визначення оптимальних параметрів для формування заданого співвідношення шарів, створення методики моделювання, яка забезпечує визначення заданих характеристик плівок і надання рекомендацій для вдосконалення технології. Актуальність дослідження обумовлена зростаючими вимогами сучасної упаковочної індустрії до матеріалів, які поєднують високі експлуатаційні характеристики, економічність виробництва і екологічність.Документ Відкритий доступ Вплив наномодифікації полімеру на міцність багатошарових плівок(КПІ ім. Ігоря Сікорського, 2025) Безверхий, Ігор Олександрович; Чемерис, Андрій ОлеговичДослідження присвячене багатошаровій полімерній плівці з наномодифікованими вуглецевими нанотрубками, зосереджуючись на процесах руйнування адгезійного шару між вуглецевою нанотрубкою та полімерною матрицею в залежності від коефіцієнту наноармування полімеру. Метою роботи є визначення впливу рівня наноармування на процеси руйнування в композитній системі «нанотрубка–полімерна матриця» при локальному навантаженні, з урахуванням адгезійної взаємодії між складовими. Наукова новизна полягає у визначенні фізико-механічних характеристик адгезійного шару в структурі «вуглецева нанотрубка - полімер» та проведенні числових досліджень поведінки вуглецевої нанотрубки в полімерній матриці при зміні геометричних параметрів трубки та коефіцієнту армування. Практичне значення отриманих результатів полягає в можливості їх використання в подальших дослідженнях та на виробництвах з наномодифікацією плівок.Документ Відкритий доступ Методи глибоко навчання та стереозору для детектування БПЛА(КПІ ім. Ігоря Сікорського, 2025) Колесник, Андрій Миколайович; Шелестов, Андрій ЮрійовичМагістерська дисертація містить 97 сторінки, 6 рисунків, 1 таблицю, 1 додаткок, 71 джерела. 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 роботи є створення апаратнопрограмної системи для автоматичного виявлення БПЛА та визначення їхнього положення в просторі шляхом інтеграції алгоритмів об’єктної детекції та методів стереозору. Для досягнення мети було поставлено такі завдання: - провести огляд існуючих методів детекції дронів; - сформувати датасет, придатний для навчання детектора; - реалізувати модуль глибокої детекції на основі YOLOv8; - розробити стереосистему для оцінки глибини; - провести тестування системи на синтетичних і реальних даних; - оцінити ефективність роботи системи порівняно з існуючими відкритими реалізаціями; - апробувати систему на конференціях. Об’єкт дослідження – процес виявлення безпілотних літальних апаратів у повітряному просторі. Предмет дослідження – методи поєднання глибокого навчання та стереозору для детектування БПЛА та визначення їхнього просторового положення. Методи дослідження. В роботі застосовано методи машинного навчання, згорткові нейронні мережі (YOLOv8), геометричні методи триангуляції для розрахунку глибини, обробку зображень, а також експериментальні методи оцінки якості моделі. Наукова новизна одержаних результатів. Вперше реалізовано інтегровану систему, що поєднує глибоку нейронну детекцію з класичним стереозоровим вимірюванням для тривимірної локалізації дронів. Запропонований підхід забезпечує точне позиціонування цілі в просторі на основі лише пасивного відеопотоку без використання активних сенсорів. Практичне значення одержаних результатів. Розроблена система може бути впроваджена в охоронних, військових або промислових рішеннях для моніторингу повітряного простору. Попереднє тестування на полігоні засвідчило її ефективність при відстанях до 100 метрів. Програма реалізована на Python, придатна для запуску на стандартному комп’ютері з GPU. Апробація результатів. Результати дослідження були апробовані у вигляді наукової доповіді на XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених. Публікації. Опубліковано 1 наукову статтю в матеріалах конференції. У процесі підготовки – стаття у фаховому науковому журналі.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 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 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 Методи виявлення нафтових плям у морі із використанням попередньо навчених глибинних нейронних мереж на основі радарних даних(КПІ ім. Ігоря Сікорського, 2025) Кузін, Володимир Гамлетович; Шелестов, Андрій ЮрійовичДана робота складається з 72 сторiнок тексту, мiстить 9 iлюстрацiй, 4 таблицi, 1 додаток, 52 джерел за перелiком посилань. Актуальнiсть теми обумовлена необхiднiстю вдосконалення засобiв автоматизованого монiторингу нафтових розливiв у Свiтовому океанi. Такi забруднення становлять серйозну загрозу для морських екосистем i спричиняють вiдчутнi соцiально-економiчнi збитки для прибережних регiонiв. З огляду на обмежену доступнiсть розмiчених SAR-зображень, актуальним є використання методiв глибинного навчання з попереднiм навчанням моделей у поєднаннi зi спецiалiзованими алгоритмами попередньої обробки даних. У цьому контекстi особливий iнтерес становить застосування фундаментальних моделей, зокрема PRITHVI-EO-2.0, яка вже зарекомендувала себе як ефективний iнструмент у задачах семантичної сегментацiї та має значний потенцiал для виявлення нафтових забруднень на SAR-знiмках. Робота виконана у межах проєкту HORIZON Europe iMERMAID («Innovative solutions for Mediterranean Ecosystem Remediation via Monitoring and decontamination from Chemical Pollution»), що передбачає розробку ефективних цифрових рiшень для попередження, виявлення та монiторингу морського забруднення. Метою дослiдження є пiдвищення точностi та ефективностi автоматизованого виявлення нафтових розливiв у морi на основi супутникових зображень за допомогою трансферного навчання фундаментальної моделi PRITHVI-EO-2.0 на радарних даних. Для досягнення мети було визначено такi завдання: 1) Провести огляд сучасних математичних моделей та алгоритмiв виявлення нафтових розливiв за супутниковими знiмками, зокрема з використанням методiв глибокого навчання та семантичної сегментацiї; 2) Ознайомитись iз архiтектурою та принципами навчання моделi PRITHVI-EO-2.0 як прикладу фундаментальної моделi; 3) Сформувати датасет для задач сегментацiї SAR-зображень, з урахуванням класової незбалансованостi та геопросторової варiативностi; побудувати експериментальну вибiрку для дослiдження здатностi до генералiзацiї; 4) Розробити метод попередньої обробки SAR-зображень з метою покращення виявлення нафтових розливiв у задачах семантичної сегментацiї; 5) Розробити адаптивну модель семантичної сегментацiї на основi фундаментального енкодера PRITHVI-EO-2.0 для аналiзу радарних супутникових даних; 6) Провести кiлькiсну та вiзуальну оцiнку результатiв на основi релевантних метрик якостi (IoU, F1-score, точнiсть за класами тощо); 7) Провести порiвняльний аналiз ефективностi запропонованої моделi з базовими архiтектурами, такими як LinkNet. Об’єктом дослiдження є процес автоматизованого виявлення нафтових розливiв на основi супутникових зображень. Предметом дослiдження є застосування фундаментальної моделi PRITHVI-EO-2.0 та методiв передобробки для сегментацiї SAR-зображень у задачах екологiчного монiторингу. Методи дослiдження: методи аналiзу даних, методи машинного / глибокого навчання (семантична сегментацiя), методи комп’ютерного зору, трансферне навчання, методи обробки SAR-зображень, методи статистичної обробки при оцiнки якостi моделей, структурнi методи розпiзнавання образiв. Наукова новизна полягає у вдосконаленнi пiдходу до семантичної сегментацiї SAR-зображень шляхом застосування фундаментальної моделi PRITHVI-EO-2.0, попередньо натренованої на оптичних супутникових даних. Запропоновано адаптацiю цiєї моделi до радарного домену з використанням трансферного навчання та модифiкованих методiв передобробки зображень. Проведено систематичний аналiз впливу рiзних трансформацiй SAR-даних на результативнiсть моделi, що дозволило досягти високої якостi сегментацiї навiть в умовах обмеженого обсягу розмiчених даних. Апробацiя результатiв та публiкацiї. Отриманi результати дослiдження були представленi на XXIII Всеукраїнськiй науково-практичнiй конференцiї студентiв, аспiрантiв та молодих вчених «Теоретичнi i прикладнi проблеми фiзики, математики та iнформатики» (14–17 травня 2025 р., м. Київ). Результати, отриманi в межах даної роботи, також були апробованi на таких мiжнародних конференцiях: – 2024 IEEE 42nd International Conference on Electronics and Nanotechnology (ELNANO), 13–16 травня 2024 р., Київ, Україна; – International Symposium on Applied Geoinformatics (ISAG 2024), 9–10 травня 2024 р., Вроцлав, Польща; – 2024 IEEE 12th International Conference on Intelligent Systems (IS 2024), 29–31 серпня 2024 р., Варна, Болгарiя. Крiм того, за результатами дослiдження була пiдготовлена та опублiкована стаття у фаховому мiжнародному журналi: – ISPRS Open Journal of Photogrammetry and Remote SensingДокумент Відкритий доступ Спосіб підтримки вибору найкращої альтернативи лікування в клінічних випробуваннях хвороби Альцгеймера на основі критеріїв прийняття рішень в умовах невизначеності(КПІ ім. Ігоря Сікорського, 2025) Кухар, Богдан Вікторович; Терещенко, Іван МиколайовичКваліфікаційна робота містить: 76 стор., 9 рисунків, 7 таблиць та 21 джерел. Мета роботи полягає у розробці способу вибору оптимальної терапевтичної стратегії на основі клінічних даних з використанням математичних критеріїв прийняття рішень та статистичних моделей. Об’єктом дослідження є клінічні випробування препарату Xanomeline при лікуванні хвороби Альцгеймера, а предметом — методи прийняття рішень в умовах невизначеності та їхнє практичне застосування у медичній сфері. У роботі побудовано математичні моделі на основі нормалізованих медичних показників та реалізовано класичні критерії прийняття рішень: Гурвіца, Баєса-Лапласа, Севіджа, Ходжа–Лемана та BL(MM). Додатково розроблено адаптивні підходи до визначення параметрів моделей, що дозволило точніше враховувати клінічну варіабельність. Результати дослідження показали перевагу Xanomeline у низькому дозуванні як найбільш збалансованої терапевтичної альтернативи з точки зору ефективності та безпеки.