Бакалаврські роботи (ШІ)

Постійне посилання зібрання

У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.

Переглянути

Нові надходження

Зараз показуємо 1 - 20 з 152
  • ДокументВідкритий доступ
    Система персоналізованих рекомендацій на основі алгоритмів машинного навчання
    (КПІ ім. Ігоря Сікорського, 2025) Лобарєв, Павло Євгенович; Коваленко, Анатолій Єпіфанович
    Дипломна робота: 103 с., 11 рис., 5 табл., 20 посилань, додаток. Об’єкт дослідження – автоматизоване формування персоналізованих списків музичних творів на основі аналізу великих обсягів взаємодій «користувач – трек» та контентних характеристик записів. Сучасні музичні стримінгові сервіси пропонують десятки мільйонів композицій; без інтелектуальної підтримки користувачі стикаються з проблемою інформаційного перевантаження й не можуть оперативно віднаходити музику, що відповідає їх індивідуальним смакам. Ефективна система рекомендацій дає змогу підвищити задоволеність слухачів – показник, критичний для бізнес-метрик онлайн-платформ. Мета роботи – розробити програмний продукт, що поєднує контентні та колаборативні алгоритми машинного навчання (зокрема матричну факторизацію, графову нейронну модель LightGCN та бібліотеку LightFM) для формування персоналізованих рекомендацій музичних треків із оптимальним використанням обчислювальних ресурсів. У рамках дослідження інтегровано дані із Million Song Dataset, Spotify API та Last.fm Taste Profile, виконано попередню обробку та збагачення метаданих, реалізовано ансамбль моделей, здатний генерувати рекомендаційні списки топ-N. Програмний продукт створено мовою Python з використанням бібліотек pandas, scikit-learn, LightFM, PyTorch та PyG; передбачено можливість подальшого розширення функціоналу та деплойменту у хмарному середовищі без потреби у виділених GPU-ресурсах. Практичним результатом є система, що демонструє Recall@20 ≈ 0,18 та MAP@20 ≈ 0, 09 на тестовій підвибірці, суттєво перевершуючи базову випадкову стратегію та традиційні k-NN рекомендації.
  • ДокументВідкритий доступ
    Інтелектуальна система обробки текстової інформації на основі використання VAEGAN
    (КПІ ім. Ігоря Сікорського, 2025) Нікішин, Гліб Сергійович; Чумаченко, Олена Іллівна
    Дипломна робота: 133 с., 7 рис., 9 табл., 20 джерел, додаток. Об’єкт дослідження – процеси обробки текстової інформації та її семантичного представлення. Предмет дослідження – методи та моделі на основі VAEGAN для вилучення ознак та концептуальної сегментації тексту. Мета роботи – розробка та оцінка інтелектуальної системи обробки текстової інформації, що базується на використанні архітектури Варіаційного Автоенкодера з Генеративно-змагальною мережею (VAEGAN) для ефективного вилучення семантичних ознак та концептуальної сегментації текстів. У цьому дослідженні було розроблено програмний продукт для ефективної обробки та аналізу текстових даних. Система забезпечує вилучення глибоких семантичних ознак за допомогою вдосконаленої архітектури VAEGAN. Навчання моделей проводилось на значних обсягах текстової інформації, зокрема на корпусах фінансових новин, що гарантує релевантність та застосовність до спеціалізованих даних. Розроблена інтелектуальна система знаходить широке застосування в приватному секторі, автоматизуючи моніторинг новинних потоків та слугуючи потужним інструментом підтримки прийняття рішень.
  • ДокументВідкритий доступ
    Технології ідентифікації БПЛА за звуковими характеристиками в складних акустичних умовах
    (КПІ ім. Ігоря Сікорського, 2025) Курін, Олексій Миколайович; Кот, Анатолій Тарасович
    Дипломна робота: 87 с., 26 рис., 8 табл., 23 посилань, додаток. Об’єктом дослідження є процес ідентифікації безпілотних літальних апаратів. Предметом дослідження є методи та технології аналізу звукових характеристик безпілотних літальних апаратів для їх ідентифікації в умовах акустичних завад. Метою роботи є дослідження та аналіз сучасних технологій ідентифікації безпілотних літальних апаратів на основі їх звукових характеристик, а також розробка підходів на основі нейронних мереж, що забезпечують високу точність розпізнавання в умовах акустичних завад. Основні результати дослідження: зібрано власну базу даних звуків БПЛА на основі даних із відкритих джерел; досліджено чотири архітектури (одна з яких власна) на основі нейронних мереж для розв’язання задачі класифікації аудіосигналу на наявність звуку, що належить БПЛА. Досліджені моделі продемонстрували високі показники точності класифікації і були інтегровані у демонстративний користувацький застосунок для демонстрації власної ефективності у реальному часі. Напрями подальших досліджень охоплюють вдосконалення досліджуваних архітектур, розширення навчальної бази та тестування розроблених моделей машинного навчання у реальних умовах.
  • ДокументВідкритий доступ
    Інформаційно–аналітична система оцінки фінансово-економічних показників підприємства з використанням моделей штучного інтелекту
    (КПІ ім. Ігоря Сікорського, 2025) Кордулян, Єгор Геннадійович; Зайченко, Олена Юріївна
    Дипломна робота: 110 с., 21 рис., 9 табл., 38 посилань, 1 додаток. Об’єкт дослідження – фінансово-економічні показники підприємств на основі офіційної фінансової звітності. Предмет дослідження – інформаційно-аналітична система оцінки фінансового стану підприємства з використанням моделей штучного інтелекту. Мета роботи – створення системи, здатної автоматизувати процес аналізу фінансової звітності, розрахунку ключових фінансових коефіцієнтів та прогнозування фінансової стабільності підприємства за допомогою нейронних мереж. У ході дослідження реалізовано програмний продукт, що забезпечує імпорт фінансової звітності підприємств, обчислення коефіцієнтів ліквідності, рентабельності, ефективності та платоспроможності. Результати аналізу виводяться у графічному інтерфейсі з підтримкою візуалізації динаміки показників. Для задач прогнозування використано багатошарові перцептрони, автоенкодери та карти Кохонена. Навчання моделей здійснено на основі реальних фінансових даних українських підприємств. Запропоновано підхід до оцінки ризику банкрутства, що базується на поєднанні класичних економічних індикаторів з нейромережевими моделями. Проведено порівняння архітектур, визначено ефективність стискання даних автоенкодером перед передачею до карти самоорганізації. Розроблена система може бути використана як у приватному секторі, так і для цілей державного контролю за фінансовою стабільністю підприємств. Перспективи подальшого розвитку включають розширення функціоналу за рахунок моделей прогнозування часових рядів (RNN, LSTM), веб-інтерфейсу та підтримки мультимовності.
  • ДокументВідкритий доступ
    SMTP система з інтеграцією ШІ для аналізу повідомлень
    (КПІ ім. Ігоря Сікорського, 2025) Зікратий, Денис Сергійович; Коваленко, Анатолій Єпіфанович
    Дипломна робота: 98 с., 17 рис., 10 табл., 22 посилань, 1 додаток. Об’єктом дослідження – система електронної пошти на основі протоколу SMTP. Предметом дослідження – методи інтеграції засобів штучного інтелекту для автоматичного аналізу та класифікації поштових повідомлень у рамках SMTP системи. Метою роботи – розробка та дослідження SMTP системи з вбудованим модулем машинного навчання для автоматичної класифікації електронних листів з метою виявлення спаму, фішингу та іншого небажаного контенту, з урахуванням вимог до безпеки, автентифікації користувачів і підтримки сучасних розширень протоколу. Актуальність роботи зумовлена необхідністю підвищення безпеки електронної пошти шляхом автоматичного виявлення спаму та фішингу за допомогою штучного інтелекту. Сучасні загрози вимагають адаптивних рішень, інтегрованих у поштову інфраструктуру. У даній роботі реалізовано SMTP клієнт і сервер із підтримкою TLS та автентифікації, а також модуль машинного навчання для класифікації повідомлень за вмістом.
  • ДокументВідкритий доступ
    Методи виявлення та корекції мімічних особливостей на зображеннях
    (КПІ ім. Ігоря Сікорського, 2025) Злобін, Даниїл Андрійович; Кот, Анатолій Тарасович
    Дипломна робота містить: 74 с., 6 табл., 12 рис., додаток, 44 джерела. Об’єктом дослідження є процес автоматичного створення відкритих очей та додавання усмішки. Оглянуто сучасні підходи до редагування міміки обличчя на зображеннях з використанням класичних та генеративних методів. Предметом дослідження стали методи аналізу та корекції міміки, зокрема виявлення ключових точок обличчя, побудова масок і застосування моделей на основі Stable Diffusion. Метою роботи є автоматизація процесу корекції міміки обличчя на зображеннях. Розроблено програмний інструмент, що виявляє закриті очі або відсутню усмішку й виконує фотореалістичне редагування. Запропоноване рішення забезпечує високу якість змін, зберігаючи текстуру шкіри, освітлення та цілісність зображення. Отримано результати, що підтверджують ефективність підходу на різноманітних прикладах.
  • ДокументВідкритий доступ
    Прогнозування факту лістингу нових криптовалют на біржі Binance із використанням моделі логістичної регресії
    (КПІ ім. Ігоря Сікорського, 2025) Залізняк, Ілля Сергійович; Терентьєв, Олександр Миколайович
    Дипломна робота: 138 с., 24 табл., 25 рис., 5 додатків, 36 джерела. Об’єкт дослідження – дані про криптоактиви: технічні характеристики, обсяг торгів та ціни. Предмет дослідження – математичні методи бінарної класифікації для прогнозування ймовірностей із використанням мови прогнозування Python. Мета роботи – виявити ключові фактори, що визначають рішення Binance щодо лістингу, та розробити аналітичну модель логістичної регресії, яка за сукупністю цих факторів прогнозує факт лістингу. Актуальність. Криптовалюти стають все більш популярними у всьому світі. Кількість нових криптоактивів зростає кожного дня з великою швидкістю. Розуміння того, які проекти мають потенціал дозволяє сформувати прибуткові стратегії торгівлі на крипторинку. Результати роботи. Створено програмний інструмент який демонструє роботу побудованих моделей логістичної регресії, що прогнозують лістинг криптовалюти на біржу Binance. Програмний продукт був реалізований із використанням мови програмування Python у середовищі розробки Visual Studio Code. Для побудови моделей було використано Jupyter Notebook. Шляхи подальшого розвитку предмету дослідження. Підвищення точності прогнозування за рахунок використання більш складних моделей, таких як ансамблеві моделі або нейронні мережі. Збільшення кейсів у наборах даних для навчання. Прогнозування лістингу на інших біржах. Розширення показників у наборі даних.
  • ДокументВідкритий доступ
    Метод покращення моделей синтезу мовлення при тренуванні на автоматично розмічених аудіо
    (КПІ ім. Ігоря Сікорського, 2025) Журавльов, Андрій Валерійович; Сидорський, Володимир Сергійович
    Дипломна робота: 88 с., 10 рис., 16 табл., 54 посилань, 1 додаток. Об’єкт дослідження– системи синтезу мовлення. Предмет дослідження–розробка методу тренування систем синтезу мовлення на автоматично розмічених даних з використанням алгоритмів навчання з підкріпленням. Одним із базових чинників, що визначають якість моделей і систем штучного інтелекту, зокрема систем синтезу мовлення, є характеристики навчальних даних: їх обсяг та якість.Традиційний метод розмітки аудіо даних людиною вручну потребує значних ресурсів. Вона є вартісною, трудомісткою та часовитратною, що суттєво уповільнює процес розробки моделей. Натомість використання автоматично розмічених даних значно спрощує етап збору, однак, як правило, призводить до зниження якості навчання. У зв’язку з цим особливо актуальним є створення методів навчання моделей синтезу мовлення (Text-to-Speech, TTS) на основі автоматично розмічених аудіоданих, здатних забезпечувати якість, яка є еквівалентною чи вищою порівняно з моделями, що навчалися на даних, розмічених людиною. Метою даної роботи є розробка методу навчання TTS-систем на автоматично розмічених аудіоданих із використанням методу прямої оптимізації уподобань (Direct Preference Optimization, DPO), що дозволить досягти високої якості синтезу мовлення без залучення розмітки, створеної людьми. Результат– експерименти та їх порівняння, проведені на двох різних наборах даних, демонструють, що розроблений метод досягає результатів, співставних чи навіть кращих за традиційне до навчання на даних, розмічених людьми.Застосування методу значно спрощує етап збору даних при цьому не знижуючи кінцеву якість систем синтезу мовлення.
  • ДокументВідкритий доступ
    Особливості будови сучасних файлових систем
    (КПІ ім. Ігоря Сікорського, 2025) Драган, Богдан Володимирович; Коваленко, Анатолій Єпіфанович
    Дипломна робота: 118 c., 27 рис., 22 табл., 48 посилань, 1 додаток. Об’єкт дослідження - файлові системи як компонент зберігання та організації даних в операційних системах. Предмет дослідження - архітектурні, структурні й функціональні особливості сучасних файлових систем. Методи застосування штучного інтелекту у файлових системах. Метою роботи є аналіз та дослідження будови сучасних файлових систем, виявлення ключових архітектурних рішень і особливостей їхньої реалізації, а також дослідження можливостей використання штучного інтелекту у файлових системах. Актуальність теми зумовлена зростанням обсягів даних і поширенням нових типів пристроїв зберігання. Дослідження будови файлових систем дозволить глибше зрозуміти принципи роботи сучасних операційних систем, підвищити продуктивність обчислювальних процесів і забезпечити надійність зберігання інформації. У роботі досліджено особливості будови сучасних файлових систем, зокрема архітектурні принципи, структури зберігання даних, методи адресації та керування простором. Проведено порівняння їхніх функціональних і технічних характеристик. Розглянуто підходи до впровадження штучного інтелекту у файлових системах. Розроблено програму, яка здійснює інтелектуальний аналіз вмісту директорій, визначає ключові характеристики файлів і формує аналітичний звіт.
  • ДокументВідкритий доступ
    Інтелектуальна система підвищення роздільної здатності зображень на основі використання нейронних мереж SRGAN
    (КПІ ім. Ігоря Сікорського, 2025) Головачов, Артем Сергійович; Синєглазов, Віктор Михайлович
    Дипломна робота: 117 с., 24 рис., 10 табл., 37 посилань, 1 додаток. У цій роботі було розглянуто задачу збільшення роздільної здатності супутникових знімків. Спочатку було розглянуто варіанти існуючих методів збільшення роздільної здатності. Далі було запропоновано модифікований метод на базі генеративно змагальних мереж для заданого об’єкту дослідження. Хоча цей метод розроблений саме для збільшення роздільної здатності супутникових знімків, його також можна використовувати у багатьох інших сферах, наприклад медицина, безпека та багато інших. Об’єкт дослідження – збільшення роздільної здатності супутникових знімків. Предмет дослідження – генеративно змагальна мережа та її застосування для задачі збільшення роздільної здатності. Мета роботи – розробка модифікованої генеративно змагальної мережі для збільшення роздільної здатності супутникових знімків. Результати дослідження демонструють реалістичне відновлення, як для тренувального так і для тестового наборів даних. Хоча деякі зображення з великою кількістю деталей є доволі складними для відновлення, у загальному варіанті мережа видає дуже гарні результати. Новизна роботи полягає у модифікованій структурі генеративно змагальної мережі, а саме подвійній будові дискримінтаора, в якій окремі мережі фокусуються на локальних та глобальних ознаках.
  • ДокументВідкритий доступ
    Інтелектуальна система генерації зображень на основі використання WGAN
    (КПІ ім. Ігоря Сікорського, 2025) Гой, Арсеній Володимирович; Синєглазов, Віктор Михайлович
    Дипломна робота: 116 сторінок, 19 рисунків, 17 таблиць, 57 посилань, додаток. У роботі розглянуто актуальну проблему нестачі якісних даних для навчання класифікаційних моделей у сферах, де збирання великих вибірок ускладнене або неможливе. Об'єктом дослідження є процес генерації зображень, предметом – створення інтелектуальної системи синтезу зображень на основі архітектури Wasserstein GAN (WGAN). Метою роботи стало розроблення, реалізація та аналіз ефективності системи генерації синтетичних зображень, що можуть покращити якість класифікацій при обмежених вибірках. У межах дослідження здійснено аналіз існуючих архітектур GAN, обґрунтовано вибір WGAN як стабільнішої моделі для задач класифікації. Розроблено та реалізовано модифіковану топологію WGAN з використанням фреймворку PyTorch. Проведено навчання моделі на зображеннях дефектів виробничих деталей і згенеровано синтетичні зображення, що розширили навчальну вибірку. Отримані дані використано для навчання класифікатора, точність якого зросла на понад 7%. Порівняльний аналіз показав перевагу запропонованого підходу над класичними методами аугментації. Результати мають практичну цінність для медицини, промисловості, агросфери та систем безпеки.
  • ДокументВідкритий доступ
    Використання технологій автоматичного розпізнавання мовлення для генерації субтитрів для відео- та аудіоконтенту
    (КПІ ім. Ігоря Сікорського, 2025) Генч, Герай; Пишнограєв, Іван Олександрович
    Дипломна робота: 99 с., 20 рис., 7 табл., 29 посилань, 1 додаток. Об’єкт дослідження – відео- та аудіоконтент, що містить мовлення, та відповідні текстові транскрипції. Предмет дослідження – технології автоматичного розпізнавання мовлення, методи їх дотренування та інтеграція у системи генерації субтитрів. Мета роботи – розробка програмного забезпечення для автоматичної генерації субтитрів шляхом файн-тюнінгу ASR моделі та експериментального дослідження її ефективності. У ході дослідження реалізовано програмний продукт з веб-інтерфейсом, що забезпечує автоматичну генерацію субтитрів до відео- та аудіофайлів. Система використовує технології автоматичного розпізнавання мовлення, зокрема дотреновані на українських даних моделі Whisper, для перетворення мовлення у текст з часовими мітками. Проведено файн-тюнінг обраних моделей Whisper на українськомовному датасеті Common Voice 11.0 (uk). Здійснено експериментальне дослідження з оцінки якості розпізнавання дотренованих моделей за метриками WER та CER на тестовому наборі. На основі результатів визначено найбільш ефективну модель для даної задачі (Whisper Small), що продемонструвала найкращі показники на тестовому наборі. Розроблена система може бути використана для підвищення доступності відео- та аудіоконтенту шляхом його автоматичного субтитрування. Перспективи подальшого розвитку включають інтеграцію методів виявлення активності мовлення (VAD), розрізнення дикторів, вдосконалення редактора та розширення підтримки форматів.
  • ДокументВідкритий доступ
    Генерація зображень облич на основі моделі VAEGAN
    (КПІ ім. Ігоря Сікорського, 2025) Гавриленко, Анна Богданівна; Чумаченко, Олена Іллівна
    Дипломна робота: 81 с., 15 рис., 6 табл., 29 посилань, 1 додаток. Об’єктом дослідження є процес генерації зображень за допомогою глибинних нейронних мереж. Предметом дослідження є архітектура VAEGAN та її здатність до створення фотореалістичних зображень облич. Метою роботи є розробка, реалізація та експериментальна перевірка генеративної моделі на основі VAEGAN для генерації облич з високим рівнем реалізму. В результаті виконання роботи реалізовано та протестовано генеративну модель VAEGAN, здатну генерувати реалістичні зображення облич, досліджено її архітектуру, проведено навчання на наборі даних «human-faces» і проаналізовано результати з точки зору візуальної якості та узгодженості. Рекомендації щодо використання – модель може бути використана в задачах анонімізації даних, створення синтетичних зображень для тренування систем розпізнавання, у розважальних застосунках (ігри, віртуальні аватари), а також як інструмент для подальших досліджень у сфері генеративного моделювання.
  • ДокументВідкритий доступ
    Допоміжна навігаційна система для керування БПЛА за оптичним зображенням в умовах дії РЕБ
    (КПІ ім. Ігоря Сікорського, 2025) Вербицький, Олексій Георгійович; Кот, Анатолій Тарасович
    Дипломна робота: 108 с., 27 рис., 11 табл., 19 посилань, додаток. Актуальність роботи: питання орієнтації та навігації безпілотних літальних апаратів у середовищах із відсутнім або нестабільним сигналом GPS є важливим для сучасних застосувань дронів. Класичні інерціальні системи накопичують похибку з часом, а застосування лише оптичних методів має обмеження. Тому дослідження й розробка допоміжних систем, які комбінують різні джерела інформації, є доцільними для підвищення стійкості роботи БПЛА. Об’єктом дослідження є процес автономної навігації БПЛА у середовищах з обмеженим або відсутнім GNSS. Предметом дослідження є методи визначення положення й орієнтації дрона на основі поєднання візуальної й інерціальної інформації. Мета роботи — розробити та дослідити допоміжну систему навігації для БПЛА, здатну працювати у симульованих умовах втрати супутникового сигналу, з використанням сучасних інструментів ROS 2, PX4 SITL, симуляторів, методів візуальної одометрії та нейромереж. Результати роботи: проаналізовано наявні підходи до локалізації дронів у складних умовах. Побудовано експериментальну архітектуру на основі ROS2,PX4SITLтаGazeboдлямоделюванняпольотівізборуданих. Здійснено автоматизований збір даних. Досліджено роботу двох підходів — ORB SLAM3 та власної нейромережевої моделі на основі візуально-інерціальної одометрії (VIO-CNN).
  • ДокументВідкритий доступ
    Методи створення фотореалістичних сценаріїв для симуляторів
    (КПІ ім. Ігоря Сікорського, 2025) Захарченко, Дмитро Юрійович; Кот, Анатолій Тарасович
    Дипломна робота: 92 ст., 24 рис., 8 таблиць, 36 посилань, 1 додаток. Об'єктом дослідження є процес автоматизованої генерації фотореалістичних середовищ для симуляторів. Предметом дослідження є методи та технології автоматизованої генерації фотореалістичних сцен. Метою роботи є вивчення існуючих підходів до створення фотореалістичних сценаніїв для симуляторів, аналіз їх сильних і слабких сторін, а також розгляд можливостей удосконалення цього процесу. У дипломній роботі досліджуються методи за допомогою яких можна створювати контрольовані двовимірні сцени. Основна увага приділяється дифузійним моделям та принципам їх роботи. В результаті роботи було створено програмне забезпечення здатне швидко і точно генерувати зображення в великих кількостях та в фотореалістичному стилі по запиту користувача, а також додаток для анотації сцен. Робота актуальна, оскільки у користувача не завжди є можливість отримати, або створити вручну великі обсяги даних для проведення симуляцій чи навчання моделей. Створене програмне забезпечення націлене на вирішення подібних проблем шляхом контрольованої генерації. Робота включає в себе аналізи, порівняння та дослідження що допомагають краще зрозуміти запропоновану концепцію, та принципи роботи з дифузійними моделями, їх переваги та недоліки. В подальшому, запропонований підхід можна покращити шляхом інтеграції чи тренування точніших fine-tune моделей, та технологій для збільшення контролю над сценою.
  • ДокументВідкритий доступ
    Оптимізація кольорової палітри зображень з використанням методів глибокого навчання
    (КПІ ім. Ігоря Сікорського, 2024) Погуляка, Богдан Олександрович; Шубенкова, Ірина Анатоліївна
    Дипломна робота: 144 сторінки, 40 рисунків, 8 таблиць, 32 посилання, 1 додаток. Об'єкт дослідження – цифрові зображення. Предмет дослідження – оптимізація кольорової палітри цифрових зображень з використанням методів глибокого навчання. У сучасному світі цифрові зображення відіграють важливу роль у багатьох сферах, включаючи соціальні мережі, електронну комерцію, мультимедіа та наукові дослідження. З постійним зростанням кількості та розміру зображень, ефективне представлення та стиснення візуальної інформації стає все більш важливим завданням. Однією з ключових задач є розробка алгоритмів та програмного забезпечення, здатних створювати оптимальну кольорову палітру для зображень, яка зберігає важливі візуальні деталі та мінімізує артефакти квантизації. Важливість цієї технології особливо зростає в умовах обмежених ресурсів зберігання та передачі даних, де ефективне стиснення зображень може значно покращити продуктивність систем та якість користувацького досвіду. Існуючі алгоритми квантизації кольорів мають ряд обмежень. Вони часто призводять до втрати важливих колірних деталей, особливо в зображеннях з плавними градієнтами та великою кількістю унікальних кольорів. Крім того, ці алгоритми не завжди адаптуються до специфіки конкретних зображень і можуть створювати помітні візуальні артефакти при значному зменшенні кількості кольорів у палітрі. Мета цієї роботи полягає в розробці та дослідженні ефективних методів оптимізації кольорової палітри зображень з використанням алгоритмів глибокого навчання для покращення якості квантизації кольорів та мінімізації візуальних артефактів.
  • ДокументВідкритий доступ
    Використання генетичних алгоритмів в задачі машинного налаштування згорткових нейронних мереж
    (КПІ ім. Ігоря Сікорського, 2024) Панасюк, Руслан Ігорович; Кот, Анатолій Тарасович
    Дипломна робота: 87 с., 26 рис., 6 табл., 23 посилань, 1 додаток. У цьому документі розглянута проблема машинного налаштування згорткових нейронних мереж (ЗНМ) за допомогою генетичних алгоритмів (ГА). Робота присвячена розробці ефективних методів оптимізації параметрів ЗНМ, що можуть бути застосовані в різних сферах: класифікація зображень, розпізнавання облич, обробка медичних зображень, автоматичне керування транспортом, виявлення аномалій та багатьох інших. Об’єкт дослідження – згорткові нейронні мережі. Предмет дослідження – методи машинного налаштування параметрів ЗНМ з використанням генетичних алгоритмів. Мета роботи – розробка автоматизованої системи для оптимізації параметрів згорткових нейронних мереж з використанням генетичних алгоритмів з метою поліпшення їх продуктивності у задачі класифікації. Результат – в роботі розглянуто основні класи нейронних мереж та їх алгоритмів оптимізації, детально розглянуто ЗНМ та ГА, розроблено програмний продукт для автоматизованої системи вибору та оптимізації параметрів ЗНМ та визначено його економічну собівартість.
  • ДокументВідкритий доступ
    Трансформація тексту з урахуванням контексту з використанням чат-боту ChatGPT
    (КПІ ім. Ігоря Сікорського, 2024) Осовська, Анна Едуардівна; Тимошенко, Юрій Олександрович
    Дипломна робота: 109 с., 22 рис., 16 табл., 19 посилань, 1 додаток. Об’єкт дослідження – використання чат-боту ChatGPT для трансформації тексту. Предмет дослідження – трансформація тексту з урахуванням контексту. Мета роботи – розробка концепції комплексного та універсального функціоналу для трансформації тексту з урахуванням контексту в рамках веб-додатків, інтегрованого з чат-ботом ChatGPT від OpenAI. Проведено комплексне дослідження визначення, прикладів та мети трансформації тексту, пояснено актуальність трансформації тексту в сучасному світі. Проведено ретельний аналіз інструменту чат-боту ChatGPT як механізма реалізації трансформації тексту з урахуванням контексту, обґрунтовано вибір чат-боту ChatGPT. Розроблено концепцію універсальної функціональності для перетворення тексту за допомогою чат-бота ChatGPT у веб-додатках, яка відповідатиме поточним і майбутнім потребам перетворення тексту, таким чином гарантуючи, що функціонал можна буде надійно використовувати протягом тривалого часу у багатьох випадках використання. Проведено аналіз та формулювання високорівневих функціональних та нефункціональних вимог для реалізації функціональності трансформації тексту, ретельне дослідження аналогічних функціональностей на ринку та найкращих практик створення запитів в ChatGPT для трансформації тексту. Уточнено та задокументовано вимоги до функціональності, створено прототипи користувацького інтерфейсу та UML діаграми роботи функціональності. Складено можливі запити в ChatGPT для трансформації тексту на основі проведених досліджень. Продемонстровано самі трансформації тексту, які показують тексти "до" і "після" трансформацій. Обґрунтовано успішність реалізованої концепції.
  • ДокументВідкритий доступ
    Система підтримки прийняття рішень в’їзного туризму Великої Британії рекурентними нейронними мережами глибокого навчання
    (КПІ ім. Ігоря Сікорського, 2024) Мітюк, Дар’я Сергіївна; Данилов, Валерій Якович
    Дипломна робота: 86 с., 25 рис., 7 табл., 27 посилань, 1 додаток. У цій роботі розглянуто тему використання нейронних мереж з довгою короткочасною пам’яттю для прогнозування туристичних потоків, перспективи їх використання в сфері туризму. Об’єктом дослідження стала історія кількості туристів, що відвідали Велику Британію впродовж 1980 – 2019 рр. Предмет дослідження – нейронні мережі з довгою короткочасною пам’яттю для прогнозування змін туристичних потоків. Мета роботи – визначити потенціал використання нейронних мереж з довгою короткочасною пам’яттю для прогнозування туристичних потоків. У першому розділі досліджено предметну область завдання. Розглянуто різні аспекти ринку туризму Великої Британії, його особливості та наявні методи передбачення розвитку туристичних потоків. В другому розділі проведено огляд фрактальної інтерполяції як методу оптимізації роботи нейронних мереж з довгою короткочасною пам’яттю. В третьому розділі розроблено програмний продукт для дослідження ефективності нейронних мереж з довгою короткочасною пам’яттю для прогнозування туристичних потоків та проаналізовано його результати. В четвертому розділі оцінено характеристики програмного продукту та проведено функціонально-вартісний аналіз. Підбито підсумок про потенціал використання нейронних мереж з довгою короткочасною пам’яттю у сфері туризму, проведено аналіз моделі та описано способи її подальшого покращення.
  • ДокументВідкритий доступ
    Побудова гібридних згорткових нейронних мереж
    (КПІ ім. Ігоря Сікорського, 2024) Марусій, Богдан Ігорович; Кот, Анатолій Тарасович
    Дипломна робота: 74 с., 6 рис., 8 табл., 20 посилань, 1 додаток. Об’єкт дослідження – процес побудови та навчання гібридних згорткових нейронних мереж (ГЗНМ). Предмет дослідження – конкретні техніки, алгоритми та підходи, використані при створенні гібридних архітектур ЗНМ. Мета роботи – розробка та оцінка гібридних згорткових нейронних мереж для вирішення задач розпізнавання дорожніх знаків та виявлення пішоходів в автомобільних системах. Проведено огляд існуючих сучасних практик у ЗНМ та гібридних архітектур. Виявлено, що класичні ЗНМ, такі як AlexNet, VGG та ResNet, мають високу ефективність у задачах комп'ютерного зору, проте мають певні обмеження. Виявлено, що використання гібридних моделей дає змогу покращити точність і продуктивність порівняно з класичними підходами. Вибрано ряд сучасних інструментів та технологій для розробки гібридних ЗНМ, у тому числі TensorFlow, Keras, PyTorch та інші. Побудовані прототипи гібридних ЗНМ показали високу ефективність у вирішенні задач класифікації зображень. Використання аугментації даних значно покращило узагальнювальну здатність моделі. Оптимізація гіперпараметрів, зокрема швидкості навчання, дала змогу досягти оптимальної продуктивності моделі. Завдяки гнучкості архітектури та використанню сучасних бібліотек, розроблений додаток може бути легко адаптований до інших задач комп'ютерного зору, таких як відеоспостереження, медична діагностика або автоматизована модерація контенту. Проведено функціонально-вартісний аналіз програмного продукту.