Бакалаврські роботи (ММАД)
Постійне посилання зібрання
У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.
Переглянути
Нові надходження
Документ Відкритий доступ Вдосконалення методів виявлення помилок під час 3D-друку за рахунок дистиляції знань та застосування нечіткої логіки(КПІ ім. Ігоря Сікорського, 2026) Голуб, Михайло Вікторович; Железняков, Дмитро ВалентиновичКваліфікаційна робота містить: 87 стор., 24 рис., 11 табл., 31 джерел. 3D-друк має значну частоту браку, проте експериментального порівняння сучасних методів виявлення помилок в однакових умовах не виконувалося. Метою роботи є порівняння та вдосконалення цих методів. Об’єкт дослідження – процес 3D-друку, виникнення помилок і браку під час нього; предмет – методи виявлення помилок під час 3D-друку та їх удосконалення. Для досягнення мети розв’язано такі задачі: проаналізовано джерела та публічні набори даних; сформовано власний набір відео; реалізовано підготовку відеопотоку, методи трекінгу меж деталі й розпізнавання спагеті; розроблено вдосконалення – поєднання трекерів меж нечіткою логікою з голосуванням більшості та дистиляцію YOLOv2 (Obico) у моделі-учні YOLO-nano; експериментально порівняно методи за різної частоти кадрів. Результати. Експериментально визначено, що методи трекінгу меж за коректного підбору параметрів конкурентоспроможні з розпізнаванням спагеті. Запропоноване голосування більшості зменшує кількість хибних спрацьовувань без втрати швидкості реакції. Дистиляція знань не дала приросту якості, ймовірно через відмінність архітектури учителя й учнів. Окремі результати апробовано на XXIII Всеукраїнській науково-практичній конференції «Теоретичні і прикладні проблеми фізики, математики та інформатики».Документ Відкритий доступ Застосування методiв штучного iнтелекту для виявлення аномалiй у мережевих даних(КПІ ім. Ігоря Сікорського, 2026) Онищенко, Євгенiй Олександрович; Яйлимова, Ганна ОлексіївнаКвалiфiкацiйна робота мiстить: 59 сторiнок, 4 рисункiв, 15 таблиць, 10 джерел. Метою даної роботи є розробка та експериментальне дослiдження гiбридного методу, побудованого на основi методiв глибокого та машинного навчання, для виявлення аномалiй серед мережевого трафiку. Об’єктом дослiдження є процес аналiзу мережевого трафiку в системах виявлення вторгнень. Предметом дослiдження є математичнi моделi та алгоритми машинного i глибокого навчання, що використовуються для виявлення аномалiй у мережевих даних. У роботi проаналiзовано сучаснi ML/DL-пiдходи виявлення мережевих вторгнень та видiлено ключовi проблеми цiєї задачi: дисбаланс класiв, високу розмiрнiсть i зашумленiсть ознак. Запропоновано гiбридний пiдхiд, де Stacked Autoencoder формує простiр нелiнiйних латентних ознак, а XGBoost виконує класифiкацiю на основi об’єднаного простору початкових та латентних характеристик. Експериментальне дослiдження виконано на датасетi CIC-IDS2017. Найкращi результати отримала модель SAE-24-Augmented-XGBoost, показавши вищу повноту виявлення аномального трафiку та меншу кiлькiсть пропущених атак порiвняно з базовим XGBoost.Документ Відкритий доступ Інтерактивна багатоваріантна колоризація зображень на базі гібридної архітектури U-Net та B-Mamba(КПІ ім. Ігоря Сікорського, 2026) Климентьєв, Максим Андрійович; Железняков, Дмитро ВалентиновичКваліфікаційна робота містить: 74 стор., 15 рисунків, 5 таблиць, 36 джерел. Мета роботи – розробка обчислювально ефективної системи інтерактивної багатоваріантної колоризації. Об’єкт дослідження – процес керованого відновлення кольору на монохромних зображеннях. Предмет дослідження – гібридні генеративні нейромережеві моделі на базі згорток та селективних моделей простору станів. Спроєктовано та реалізовано гібридну архітектуру B-Mamba, що поєднує точність локального вилучення ознак U-Net із глобальним рецептивним полем двонаправленої Mamba. Для багатоваріантності розроблено алгоритм стохастичної генерації підказок на основі градієнтної значущості. Впровадження спільних ваг дозволило мінімізувати апаратні вимоги. Створено вебзастосунок для керування колоризацією у реальному часі. Експериментальний аналіз показав, що модель перевершує базові моделі, досягнувши FID 3.078 та LPIPS 0.143. Забезпечено низьке значення похибки дотримання підказок (MSEHINT = 6.1 × 10−5) при інференсі 15.08 мс та споживанні 187 МБ відеопам’яті. Користувацьке дослідження підтвердило високу реалістичність генерації та точність просторового керування кольором.Документ Відкритий доступ Розробка системи оцінки калорійності страв та фізичної активності користувача на основі аналізу зображень і спортивного навантаження(КПІ ім. Ігоря Сікорського, 2026) Орлов, Микола Вячеславович; Железняков, Дмитро ВалентиновичРозпізнавання їжі та автоматична оцінка калорійності є критично важливою проблемою в сучасній охороні здоров’я, дієтології та управлінні вагою. Згідно з даними Всесвітньої організації охорони здоров’я, близько 59% дорослого населення Європи страждає на ожиріння або надмірну вагу. Традиційні методи оцінювання раціону харчування, зокрема 24-годинне відтворення (24HR) [22], значною мірою залежать від суб’єктивності та пам’яті респондента, що призводить до суттєвих похибок у розрахунках калорійності. Стрімкий розвиток методів комп’ютерного зору та машинного навчання зумовлює зростання інтересу до автоматизації цього процесу. Проте оцінка калорійності страв на основі зображень є складною технічною задачею, що виходить за межі простого класифікування об’єктів. Вона передбачає коректне виявлення компонентів їжі в реальних умовах, де вхідні дані характеризуються високою варіативністю, неоднорідним освітленням, різним масштабом та частковим перекриттям об’єктів. На відміну від контрольованих лабораторних наборів даних, реальні фотографії не мають фіксованої структури, що ускладнює побудову універсального методу аналізу. Актуальність дослідження зумовлена обмеженнями існуючих підходів. Більшість наявних рішень орієнтовані на вузькі набори страв або потребують ручного введення даних, тоді як алгоритмічна складова точного зчитування візуальної інформації часто залишається невирішеною. Використання методів глибокого навчання у поєднанні з даними про фізичну активність користувача дозволяє розглядати задачу в контексті обробки мультимодальних даних. Об’єкт дослідження – процес автоматичної оцінки енергетичного балансу користувача на основі аналізу зображень страв і фізичної активності. Предмет дослідження – методи комп’ютерного зору та глибокого навчання для розпізнавання харчових продуктів і оцінки їх калорійності. Мета дослідження – розробити концептуальну модель та програмні засоби системи оцінки калорійності страв, у якій ключовим елементом є метод аналізу зображень для автоматичного розпізнавання продуктів, із подальшим врахуванням фізичної активності користувача для балансування енергетичних показників.Документ Відкритий доступ Математичні моделі та методи оцінки ризиків кіберзагроз в умовах невизначеності даних(КПІ ім. Ігоря Сікорського, 2026) Мелоян, Мирослав Вагаршакович; Яйлимова, Ганна ОлексіївнаКвалiфiкацiйна робота мiстить: 128 стор., 6 рисункiв, 13 таблиць, 38 джерел. Метою роботи є побудова та дослiдження гiбридної математичної моделi нормованого оцiнювання ризику кiберзагроз за мережевими ознаками в умовах неповноти, нечiткостi та суперечливостi даних. Об’єктом дослiдження є процес оцiнювання ризикiв кiберзагроз у мережевих iнформацiйних системах за умов невизначеностi даних. Предметом дослiдження є математичнi моделi та методи iнтеграцiї нечiтких, iмовiрнiсних i доказових оцiнок ризику. У роботi проаналiзовано сучаснi пiдходи до оцiнювання ризикiв iнформацiйної безпеки, сформульовано математичну постановку задачi та побудовано гiбридну модель, що поєднує нечiтку систему виведення, байєсiвську мережу та теорiю доказiв Демпстера–Шейфера. Запропоновано вiдображення мережевих ознак у нормованi фактори ризику, сформовано базовi функцiї призначення маси для FIS- та BN-компонентiв i виконано їх агрегацiю з урахуванням надiйностi джерел та конфлiкту мiж свiдченнями. Програмну реалiзацiю виконано мовою Python на основi набору даних CIC-IDS2017. Проведено порiвняння моделей, аналiз фiнального iндексу ризику, конфлiкту, чутливостi до параметрiв та впливу неповноти факторної iнформацiї. Показано, що запропонована модель дозволяє отримувати нормовану оцiнку ризику та явно враховувати залишкову невизначенiсть i суперечливiсть рiзнорiдних джерел свiдчень.Документ Відкритий доступ Машинне навчання для оцiнки руйнувань у будiвлях за даними БПЛА(КПІ ім. Ігоря Сікорського, 2026) Шмига, Дарина Геннадiївна; Яйлимова, Ганна ОлексіївнаКвалiфiкацiйна робота мiстить: 56 стор., 15 рисункiв, 3 таблицi, 25 джерел. Робота присвячена розв’язанню актуальної науково-прикладної задачi автоматизованого виявлення та кiлькiсного пiдрахунку пошкоджених вiкон за даними безпiлотних лiтальних апаратiв (БПЛА) з метою швидкої оцiнки масштабiв iнфраструктурних руйнувань. У процесi дослiдження проаналiзовано специфiку аерофотознiмкiв та виявлено неефективнiсть iснуючих вiдкритих наборiв даних для поставленої задачi, що зумовило необхiднiсть створення, очищення та балансування власного спецiалiзованого датасету. Проведено порiвняльний аналiз архiтектур згорткових нейронних мереж. Встановлено, що моделi YOLO (вiд англ. You Only Look Once) демонструють найвищу стiйкiсть до складного фону фасадiв. Дослiджено вплив масштабування моделей, режимiв аугментацiї та методiв оптимiзацiї iнференсу. Перевiрено, що використання надмiрних геометричних аугментацiй руйнує просторовi ознаки дрiбних об’єктiв. Знайдено, що оптимальний баланс мiж точнiстю, повнотою виявлення (англ. Recall) та обчислювальною швидкiстю забезпечує конфiгурацiя YOLO11s iз застосуванням аугментацiї пiд час тестування. Розроблено та iмплементовано алгоритм математичної постобробки результатiв iнференсу, який включає багатокритерiальну фiльтрацiю (за впевненiстю, площею об’єкта) та використання алгоритму Non-Maximum Suppression (NMS). Розроблена система готова до iнтеграцiї у програмнi комплекси монiторингу для пришвидшення процесу лiквiдацiї наслiдкiв руйнувань.Документ Відкритий доступ Прогнозування та пояснення iнфляцiї України методами часових рядiв та ансамблевого машинного навчання(КПІ ім. Ігоря Сікорського, 2026) Жуковiн, Олександр Вiталiйович; Шелестов, Андрій ЮрійовичКвалiфiкацiйна робота мiстить: 94 стор., 8 рисункiв, 8 таблиць, 35 джерел. У роботi дослiджено проблему iнфляцiї та методи її прогнозування на основi класичних математичних моделей i сучасних пiдходiв з використанням машинного навчання. Обґрунтовано необхiднiсть використання нетривiальних пiдходiв та аналiзу широкого спектра показникiв через багатофакторну природу iнфляцiї та її зв’язок iз внутрiшньою економiкою країни та зовнiшньою свiтовою економiкою. Для покращення iснуючих моделей та отримання якiснiшого й точнiшого прогнозу побудовано модель на основi ARIMA та XGBoost. Для вирiшення проблеми низької iнтерпретованостi результатiв моделей машинного навчання застосовано алгоритм SHAP для аналiзу впливу чинникiв на прогноз. Було зiбрано набiр даних для тренування та тестування, який включає внутрiшнi й зовнiшнi економiчнi показники. Отриманi результати гiбридної моделi порiвняно з набором бенчмаркiв, що включає окремi моделi ARIMA та XGBoost, а також тривiальнi моделi випадкового блукання та сезонного прогнозування.Документ Відкритий доступ Розробка графової моделі для пошуку запчастин в автомобільних каталогах(КПІ ім. Ігоря Сікорського, 2026) Панчук, Дарія Сергіївна; Куссуль, Наталія МиколаївнаКваліфікаційна робота містить: 44 стор., 4 рисунки, 8 таблиць, 19 джерел. Метою роботи є розробка та теоретичне обґрунтування формальної графової моделі каталогу автомобільних запчастин, що забезпечує структурне представлення відношень сумісності та ефективний пошук із семантичним ранжуванням результатів. Об’єктом дослідження є процеси пошуку та підбору автомобільних запчастин у структурованих aftermarket-каталогах. Предметом дослідження є математичні моделі та методи, що формалізують відношення сумісності між запчастинами та забезпечують ранжування результатів пошуку на основі графових структур і семантичного аналізу тексту. У роботі побудовано формальну модель каталогу у вигляді орієнтованого атрибутованого мультиграфа G = (V,E, {Xt},R) із п’ятьма класами вершин і сімома типами типізованих ребер. Введено бінарну функцію сумісності C(p,m), засновану на обмеженому обході підграфа допустимих ребер, та функцію релевантності R(p | q) як зважену комбінацію структурної і семантичної складових на основі моделі Sentence-BERT. Проведено порівняльний експеримент: конфігурація Graph-L3 перевершує реляційний підхід за точністю P@5 на 38%, за повнотою Recall@10 — на 87%, а час виконання запиту при 50 000 позиціях каталогу становить 41 мс проти понад 10 с для рекурсивного SQL.Документ Відкритий доступ Алгоритмічні методи виявлення фейкових новин та дезінформації(КПІ ім. Ігоря Сікорського, 2026) Мерзла, Ірина Олексіївна; Яйлимова, Ганна ОлексіївнаКвалiфiкацiйна робота мiстить: 54 стор., 8 рисунки, 7 таблиць, 58 джерел. Миттєве поширення інформації в цифровому середовищі спровокувало стрімке зростання обсягів дезінформації та фейкових новин. Оскільки маніпулятивний контент апелює до емоцій і поширюється швидше за перевірені факти, традиційний ручний фактчекінг не встигає ефективно йому протидіяти. Це зумовлює актуальність розробки автоматизованих підходів на основі машинного навчання, обробки природної мови та аналізу мережевих структур для виявлення фейків на ранніх етапах. У роботі досліджено методи автоматичної класифікації новин за текстовим контентом, характеристиками джерела та структурою поширення в соцмережах. Особливу увагу приділено застосуванню моделей типу BERT для семантичного аналізу та графових нейронних мереж для відстеження інформаційних потоків. На основі цього запропоновано концепцію гібридної моделі, яка інтегрує тексти й поведінкові патерни в єдину систему прийняття рішень, що суттєво підвищує точність ідентифікації маніпуляцій. Практична складова дослідження включає розробку програмного прототипу системи та експериментальну перевірку його ефективності на реальних наборах даних. Отримані результати підтвердили доцільність використання гібридних моделей штучного інтелекту для автоматичного моніторингу медіапростору. Створений підхід може слугувати базою для інтелектуальних систем захисту інформаційного поля від деструктивного впливу фейків.Документ Відкритий доступ Методи комп'ютерного зору для розпiзнавання дорожнiх знакiв та розмiтки у системах допомоги водiєвi з урахуванням впливу погодних умов(КПІ ім. Ігоря Сікорського, 2026) Iщенко, Дмитро Володимирович; Железняков, Дмитро ВалентиновичСистеми допомоги водiєвi (ADAS) стали невiд’ємною частиною сучасних автомобiлiв, забезпечуючи пiдвищення безпеки дорожнього руху та комфорту водiння. Ключовими компонентами таких систем є модулi розпiзнавання дорожнiх знакiв i виявлення лiнiй дорожньої розмiтки, якi дозволяють автомобiлю орiєнтуватися в дорожньому середовищi, попереджати водiя про обмеження швидкостi та утримувати транспортний засiб у межах смуги руху. Проте ефективнiсть таких систем значно знижується пiд впливом несприятливих погодних умов: дощу, туману, снiгу та нiчного освiтлення. За даними Нацiональної адмiнiстрацiї безпеки дорожнього руху США (NHTSA), близько 21% дорожньо-транспортних пригод вiдбуваються в умовах дощу, а 16% - у нiчний час. Це пiдкреслює необхiднiсть розробки стiйких алгоритмiв комп’ютерного зору, здатних функцiонувати в реальних, часто непередбачуваних умовах. Сучаснi методи глибинного навчання, зокрема архiтектури YOLOv8 [1] та U-Net [2], демонструють вражаючi результати на стандартних бенчмарках. Проте бiльшiсть цих моделей навчаються на датасетах, зiбраних у сприятливих умовах, що призводить до падiння продуктивностi при змiнi погодних факторiв. Крiм того, iснує дефiцит локальних датасетiв, якi вiдображали б специфiку дорожньої iнфраструктури України. Зв’язок роботи з науковими програмами, планами, темами. Робота виконується в рамках наукових дослiджень кафедри математичного моделювання та аналiзу даних НТУУ «КПI iм. Iгоря Сiкорського» за напрямом iнтелектуальних систем обробки зображень та комп’ютерного зору для автономних транспортних засобiв.Документ Відкритий доступ Методи і моделі перекладу та перенесення стилю звукових ефектів у коміксах: стилізація, переклад і типографічна верстка(КПІ ім. Ігоря Сікорського, 2026) Беркута, Володимир Юрійович; Железняков, Дмитро ВалентиновичКваліфікаційна робота містить: 137 сторінок, 20 рисунків, 3 таблиці, 38 джерел. У цій роботі розроблено комплексну нейромережеву систему для автоматизованої обробки, локалізації, видалення та семантичного перекладу стилізованого тексту (звукoнаслідувань, англ. Sound Effects, SFX) і перенесення оригінальної стилістики SFX на український відповідник у візуально-текстових наративах (комікси, манхва). Метою дослідження є аналіз і порівняння існуючих методів, алгоритмів та моделей для розробки оркестратора, що підвищує ефективність та полегшує роботу перекладачів. Об’єкт дослідження – процес автоматизованого перекладу графічного тексту в корейських графічних новелах і коміксах. Предмет дослідження — методи комп’ютерного зору для сегментації екземплярів, алгоритми генеративного відновлення фону та методи семантичного перекладу. Під час виконання роботи спроєктовано та реалізовано наскрізний конвеєр. Підсистема локалізації базується на моделях сегментації сімейства YOLO; отримані маски уточнюються за допомогою алгоритму GrabCut. Для відновлення фону (англ. inpainting) застосовано архітектуру трансформера з урахуванням маски (англ. Mask-Aware Transformer, MAT), що дозволяє уникати кольорових неузгодженостей і зберігати стилістику зображення. Проблему художнього перекладу специфічних звукoнаслідувань вирішено за допомогою великої візуально-мовної моделі Qwen2.5-VL-7B-Instruct, інтегрованої з векторною базою даних ChromaDB у схемі генерації доповненї пошуком (англ. Retrieval-Augmented Generation, RAG). Фінальний етап рендерингу використовує інтерполяцію Ланцоша та попіксельне альфа-змішування для безшовної інтеграції згенерованого тексту. Експериментальна оцінка конвеєра за метриками структурної подібності (англ. Structural Similarity Index, SSIM) та семантичної косинусної близькості показала високу ефективність запропонованого підходу порівняно з класичними системами оптичного розпізнавання символів (англ. Optical Character Recognition, OCR).Документ Відкритий доступ Математичне моделювання міграційних процесів внутрішньо переміщених осіб для планування соціальної інфраструктури(КПІ ім. Ігоря Сікорського, 2026) Максакова, Софія Василівна; Яйлимова, Ганна ОлексіївнаОбсяг дипломної роботи становить 54 сторінки, вона містить 15 рисунків, 4 таблиці та 5 додатків. Для дослідження використано 13 джерел. У роботі досліджено особливості міграційних процесів внутрішньо переміщених осіб в Україні та розглянуто сучасні підходи до їх прогнозування. На основі відкритих статистичних джерел сформовано набір даних, що містить демографічні, соціально-економічні та часові показники. Розроблено програмне забезпечення для обробки даних, побудови моделей прогнозування та аналізу результатів. Для прогнозування використано моделі SARIMAX, Random Forest та LSTM. Оцінювання виконано за допомогою метрик MAE, RMSE. Найкращі результати продемонструвала модель Random Forest, для якої значення MAE становило 1518,46, RMSE – 1975,25. Також побудовано прогноз зміни кількості внутрішньо переміщених осіб на період з квітня по вересень 2026 року. Практичне значення роботи полягає у можливості використання отриманих результатів для оцінювання навантаження на соціальну інфраструктуру регіонів України та підтримки прийняття управлінських рішень.Документ Відкритий доступ Моделювання стрес-тестування банкiвської системи України на основi статистичних та симуляцiйних пiдходiв(КПІ ім. Ігоря Сікорського, 2026) Кияшко, Дарина Iгорiвна; Шелестов, Андрій ЮрійовичКвалiфiкацiйна робота мiстить: 67 стор., 4 рисунки, 10 таблиць, 27 джерел. Банкiвська система є важливим елементом фiнансової стабiльностi держави, оскiльки забезпечує кредитування економiки, обслуговування платежiв i перерозподiл фiнансових ресурсiв. Для оцiнювання її стiйкостi до несприятливих економiчних умов застосовується стрес-тестування. Об’єктом дослiдження є банкiвська система України, розглянута на агрегованому рiвнi, а предметом дослiдження – статистичнi та симуляцiйнi пiдходи до моделювання впливу макроекономiчних факторiв на динамiку кредитного ризику. У роботi сформовано квартальний набiр даних, що поєднує показники банкiвського сектору та макроекономiчнi iндикатори України. Проведено попередню обробку даних, узгодження часових рядiв i розвiдковий аналiз. Для оцiнювання взаємозв’язку мiж макроекономiчними умовами та кредитним ризиком побудовано регресiйну модель, у якiй залежною змiнною є змiна частки непрацюючих кредитiв. Було порiвняно кiлька специфiкацiй моделi та проведено дiагностику обраної моделi, зокрема перевiрку мультиколiнеарностi й автокореляцiї залишкiв. На завершальному етапi сформовано базовий, несприятливий та жорсткий несприятливий макроекономiчнi сценарiї, а також реалiзовано симуляцiю Монте-Карло для оцiнювання розподiлу можливих стресових результатiв.Документ Відкритий доступ Методи iдентифiкацiї оптимальних параметрiв моделей у задачах iнженерного проєктування(КПІ ім. Ігоря Сікорського, 2026) Грунда, Ярослав Іванович; Хайдуров, Владислав ВолодимировичКвалiфiкацiйна робота мiстить: 129 стор., 18 рисунки, 25 таблиць, 47 джерел. Роботу присвячено дослiдженню та порiвняльному аналiзу сучасних метаевристичних алгоритмiв оптимiзацiї для iдентифiкацiї параметрiв математичних моделей у задачах iнженерного проєктування. У роботi розглянуто математичнi моделi складних iнженерних систем, зокрема iнтегрованої енергетичної системи, пластинчасто-ребристого теплообмiнника та вентильованого гальмiвного диска. Проведено аналiз сучасних бiоiнспiрованих алгоритмiв оптимiзацiї, серед яких алгоритм пошуку горобцiв (SSA), оптимiзатор гнойового жука (DBO), його вдосконалена модифiкацiя DPDBO, алгоритм рою тунiкатiв (TSA) та алгоритм оптимiзацiї птаха-секретаря (SBOA). Для порiвняння використано генетичний алгоритм (GA) та оптимiзацiю роєм частинок (PSO). У ходi дослiдження виконано обчислювальнi експерименти на чотирьох задачах iнженерного проєктування з обмеженнями: проєктування зварної балки, посудини високого тиску, редуктора швидкостi та конструкцiї автомобiля для захисту вiд бокового удару. Проведено порiвняльний аналiз алгоритмiв за якiстю отриманих розв’язкiв, збiжнiстю та статистичними показниками ефективностi. Згiдно з отриманими даними, алгоритм SBOA характеризується найвищою стабiльнiстю пошуку. Використання модифiкацiї DPDBO забезпечило вищу точнiсть результатiв вiдносно базового алгоритму DBO, натомiсть класичний PSO виявився ефективним лише для оптимiзацiйних задач малої розмiрностi.Документ Відкритий доступ Методи попередньої обробки зображень історичних документів для підвищення якості розпізнавання(КПІ ім. Ігоря Сікорського, 2026) Денисенко, Анастасія Володимирівна; Железняков, Дмитро ВалентиновичДипломна робота містить 68 сторінок, 1 додаток, 10 зображення, 3 таблиці, і посилається на 26 джерел. Дипломна робота присвячена дослідженню та порівняльному аналізу класичних та нейромережевих методів бінаризації зображень історичних документів для підвищення якості подальшого розпізнавання тексту (OCR). У роботі проаналізовано типи підходів за архітектурою алгоритмів, а також види деградацій історичних документів (плями, вицвітання, прояв тексту зі зворотної сторони). Окрема увага приділяється вибору функцій втрат при навчанні моделей, що дозволяє суттєво підвищити точність збереження деталей символів та особливостей шрифтів. Основу дослідження становлять класичні адаптивні методи Оцу (Otsu) і Саувола (Sauvola), а також архітектури глибокого навчання: U-Net, Residual U-Net та Attention U-Net. Для навчання та оцінки нейромережевих моделей було застосовано різні функції втрат: MSE, комбіновану BCE+Dice loss та VGG16 perceptual loss. Реалізацію всіх методів виконано мовою Python із використанням бібліотек PyTorch, OpenCV, NumPy та Scikit-image. Для підвищення стійкості моделей до пошкоджень було реалізовано модуль для додавання синтетичних пошкоджень (гаусів шум, розмиття та імітація протікання чорнил). Було проведено аналіз методів бінаризації при обробці історичних документів з різними синтетичними пошкодженнями. Проаналізовано залежності якості бінаризації від специфіки архітектури та обраної функції втрат за метриками якості зображення (PSNR, F-Measure, SSIM) та відсоток помилок символів (CER/WER) після етапу розпізнавання тексту.Документ Відкритий доступ Моделi, методи i засоби визначення оптимальних режимiв роботи промислових муфельних печей(КПІ ім. Ігоря Сікорського, 2026) Булавінцев, Юрiй Андрійович; Хайдуров, Владислав ВолодимировичКваліфікаційна робота містить: 137 стор., 32 рисунки, 6 таблиць, 29 джерел. Дана дипломна робота присвячена розробленню та дослідженню математичних моделей, чисельних методів і алгоритмів визначення оптимальних режимів роботи промислових муфельних печей. У роботі розглянуто особливості обернених задач теплопровідності, проведено аналіз сучасних детермінованих, стохастичних та регуляризаційних методів розв’язання задач теплопередачі. Було побудовано математичну модель теплових процесів у муфельній печі на основі рівняння теплопровідності та принципу суперпозиції температурних полів. У ході дослідження реалізовано три підходи до визначення оптимальних температурних режимів: класичний лінійний метод, генетичний алгоритм та модель машинного навчання. Проведено обчислювальні експерименти для конфігурацій з різною кількістю внутрішніх нагрівачів та виконано порівняльний аналіз точності, швидкодії та стійкості методів. Результати дослідження показали, що лінійна модель забезпечує найвищу точність розв’язку, генетичний алгоритм дозволяє знаходити наближені оптимальні режими для складних задач, а методи машинного навчання забезпечують високу швидкість прогнозування при використанні обмеженої кількості температурних вимірювань.Документ Відкритий доступ Порiвняльний аналiз методiв цифрового стеганографiчного приховування iнформацiї(КПІ ім. Ігоря Сікорського, 2025) Бiлостенко, Георiй Євгенович; Хайдуров, Владислав ВолодимировичКвалiфiкацiйна робота мiстить: 56 стор., 4 рисунки, 3 таблиць, 19 джерел. Дипломна робота присвячена дослiдженню та порiвняльному аналiзу методiв цифрової стеганографiї для приховування текстової iнформацiї в зображеннях. У роботi проаналiзовано базовi принципи стеганографiї, класифiкацiю методiв за типом носiя, архiтектурою алгоритмiв i рiвнем захищеностi. Окрема увага придiляється комбiнуванню стеганографiї з криптографiєю, що дозволяє суттєво пiдвищити рiвень конфiденцiйностi переданої iнформацiї. Основу дослiдження становлять алгоритми LSB, DCT та DWT, якi було математично описано, реалiзовано у виглядi програмних модулiв та протестовано в єдиному експериментальному середовищi. Реалiзацiю методiв виконано мовою Python iз використанням бiблiотек OpenCV, Stegano, NumPy та iнструментiв для автоматизованого збору метрик ефективностi. Було реалiзовано та проведено аналiз методiв цифрової стеганографiї вбудовування текстових данних у зображення. Проаналiзовано залежностi вiд розмiру текстового повiдомлення до харатеристик, таких як час вбудовування/видобовування повiдомлення, якiсть кореляцiї та iнше. Було проаналiзовано та реалiзовано атаки на методи.Документ Відкритий доступ Виявлення та оцінка рівня загрози лісових пожеж засобами супутникового моніторингу і машинного навчання(КПІ ім. Ігоря Сікорського, 2025) Петренко, Олександр Євгенович; Яйлимова, Ганна ОлексіївнаДипломна робота містить: 61 сторінку з додатками, 5 таблиць, 18 літературних джерел, 5 додатків, 22 зображення. Основною метою дослідження є застосування методів машинного навчання і регресійного аналізу для побудови системи виявлення осередків лісових пожеж на супутникових знімках видимого спектру, а також моделі оцінки ступеня загрози пожежі. Об’єктом дослідження є знімки різних ділянок Землі, зібрані за допомогою засобів супутникового моніторингу (супутники типу Landsat, Sentinel, MODIS) і статистичні дані про пожежі у точках їх виявлення. В результаті дослідження побудована модель на базі архітектури YOLOv8 з донавчанням на спеціалізованому датасеті для її адаптації під конкретну задачу. Для оцінки ступеня загрози пожежі було застосовано три методи: лінійну і поліноміальну регресію, а також регресор Random Forest.Документ Відкритий доступ Аналіз графічних зображень з урахуванням контексту за допомогою нейронних мереж(КПІ ім. Ігоря Сікорського, 2025) Обрядін, Денис Вадимович; Яйлимова, Ганна ОлексіївнаДипломна робота містить 79 сторінок, 1 додаток, 31 зображення і посилається на 25 джерел. Ця бакалаврська робота досліджує розробку системи аналізу зображень, яка включає контекстне розуміння з використанням сучасних методів глибогоко машинного навчання. Дослідження починається з огляду класичних дескрипторів ознак та згорткових нейронних мереж, а потім переходить до сучасних архітектур, таких як візуальні трансформатори та гібридні моделі. На основі цього аналізу було реалізовано архітектуру, що поєднує Swin Transformer, Feature Pyramid Network (FPN) та Faster R-CNN, для досягнення точного виявлення об'єктів з урахуванням контексту зображення. Запропоноване рішення підкреслює важливість інтеграції як локальних, так і глобальних ознак для детального розуміння сцени. Для оптимізації продуктивності на пристроях з обмеженими ресурсами, робота також досліджує методи стиснення моделі, включаючи лінійну увагу, адаптацію LoRA, обрізання та квантування. Остаточна модель була навчена та протестована на наборі даних COCO 2017 за допомогою Python та PyTorch у Google Colab. Експериментальні результати показують, що модель поступово покращує точність виявлення зі збільшенням розміру набору даних та часу навчання. Робота завершується оцінкою компромісів між обчислювальною ефективністю та точністю виявлення, пропонуючи розуміння практичного впровадження контекстно-залежних систем комп'ютерного зору.Документ Відкритий доступ Оптимiзацiя роботи станцiй аерацiї за допомогою арбiтражного рiшення Неша(КПІ ім. Ігоря Сікорського, 2025) Мельник, Марiя Григорiвна; Терещенко, Іван МиколайовичКвалiфiкацiйна робота мiстить: 58 стор., 5 рисункiв, 5 таблиць, 10 джерел. Мета роботи полягає в побудовi математичної моделi процесу аерацiї та застосуваннi оптимiзацiйного пiдходу на основi арбiтражного рiшення Неша для зниження енергоспоживання на очисних станцiях. Об’єктом дослiдження є процес аерацiї як етап очищення стiчних вод. Предметом дослiдження виступають математичнi методи оптимального керування у багатокритерiальному середовищi. У ходi дослiдження побудовано диференцiальну модель динамiки процесу аерацiї, що враховує змiну концентрацiї забруднень, об’єму води та потужностi аерацiї. На основi моделювання сформовано множину сценарiїв, для якої за допомогою симплекс-методу розв’язано задачу оптимального розподiлу ресурсiв. Запропоновано пiдхiд до формування змiшаної стратегiї управлiння, який базується на концепцiї арбiтражного рiшення Неша. Отриманi результати проiлюстровано графiками та таблицями.