Бакалаврські роботи (ММАД)
Постійне посилання зібрання
У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.
Переглянути
Нові надходження
Документ Відкритий доступ Модель поширення дезiнформацiї на основi SEIR моделi та графових нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Євтушок, Анастасiя В’ячеславiвна; Терещенко, Іван МиколайовичКвалiфiкацiйна робота мiстить: 64 стор., 6 рисункiв, 3 таблицi, 14 джерел. Ця робота спрямована на реалiзацiю моделi, заснованої на епiдемiологiчних принципах, з використанням графових нейронних мереж для аналiзу та прогнозування розповсюдження дезiнформацiї. Вивчаються процеси розповсюдження дезiнформацiї в соцiальних мережах, особливо в контекстi взаємодiї мiж користувачами, з акцентом на ефективнi моделi, якi дозволяють зрозумiти та передбачити динамiчнi процеси у мережевих зв’язках. Експерименти пiдтвердили, що використання графової нейронної мережi дозволяє досягти бiльш точних i надiйних прогнозiв у боротьбi з дезiнформацiєю. Результати роботи можуть бути застосованi для розробки стратегiй запобiгання шкiдливої iнформацiї в мережi.Документ Відкритий доступ Математичні моделі для прогнозування зміни лісового покриву для території України(КПІ ім. Ігоря Сікорського, 2024) Ярмолатій, Олексій Вікторович; Яйлимова, Ганна ОлексіївнаКваліфікаційна робота містить: 51 сторінку, 24 рисунка та 34 джерела. Темою роботи є аналіз існуючих продуктів для збору даних про стан лісових покривів України, проведення експерименту щодо визначення найкращого порогу для їх виявлення, а також використанні технік машинного навчання для прогнозування майбутніх змін даних площ. Дослідження зосереджує увагу на території України як обраної області інтересу, враховуючи вирубки та приріст з 2000 по 2023 роки. Завдання полягало у тому, щоб проаналізувавши можливості хмарної платформи Google Earth Engine, зрозуміти як використовувати її для аналізу лісових покривів України: визначити спочатку актуальний стан територій охоплених лісовими насадженнями, знайти найкраще порогове значення для відсотка лісового покриву використовуючи статистичний аналіз та спрогнозувати майбутні зміни лісу в обраних місцях неньки завдяки технікам машинного навчання. За результатами роботи було побудовано модель, яка точно прогнозує лісові покриви на обраних ділянках.Документ Відкритий доступ Нейронні диференціальні рівняння для прогнозування цін фінансових інструментів на прикладі американських опціонів(КПІ ім. Ігоря Сікорського, 2024) Вітенко, Ігор Олегович; Яворський, Олександр АндрійовичКваліфікаційна робота містить: 56 сторінок, 23 рисунки, 11 таблиць, 54 джерела. У даній роботі розглядається метод прогнозування цін на американські опціони типу put та call за допомогою нейронних диференціальних рівнянь на основі данних з фондового ринку та синтетичних. Було розглянуто дві архітектури нейронної мережі, запропоновано підхід до генерації синтетичних данних, порівняння методів попередньої обробки та оптимізації для нашої задачі. В ході дослідження, було показано що метод нейронних диференціальних рівнянь є гарним доповненням до класичних чисельних методів розв’язання диференціальних рівнянь в частинних похідних, зберігаючи за собою їх сильні сторони, та адекватним аналогом до методів, які використовують лише машинне навчання.Документ Відкритий доступ Практичні аспекти побудови рекомендаційного алгоритму оптимізації брендових магазинів для ринку роздрібної торгівлі одягом(КПІ ім. Ігоря Сікорського, 2024) Поліщук, Валентин Олександрович; Яворський, Олександр АндрійовичКваліфікаційна робота містить: 54 сторінки, 13 рисунків, 14 таблиць, 20 джерел. Дипломна робота присвячена дослідженню та створенні рекомендаційного алгоритму для оптимізації параметрів середовища брендових магазинів на ринку роздрібної торгівлі одягом. Метою дослідження є створення моделі, яка прогнозує денний заробіток магазинів на основі їх параметрів, та впровадження алгоритму оптимізації, що дозволить підбирати параметри для максимізації прогнозованого заробітку. На основі зібраних даних про параметри магазинів (торгова площа, бренд, освітлення, розташування тощо) розроблено модель машинного навчання для прогнозування денного заробітку. Запропоновано алгоритм оптимізації, що підбирає параметри магазину для максимізації прогнозованого заробітку.Документ Відкритий доступ Практичнi аспекти вирiшення проблеми контекстного вiкна на прикладi роз’язку "диф. рiвнянь" за допомогою ЛЛМ моделей(КПІ ім. Ігоря Сікорського, 2024) Намчук, Максим Iгорович; Яворський, Олександр АндрійовичКвалiфiкацiйна робота мiстить: 59 стор., 4 рисунки, 10 таблиць, 28 джерел. У данiй роботi розглядається пiдхiд до вирiшення проблеми обмеженого контекстного вiкна в великих мовних моделях, а також аналiзується вплив бiльш ефективної роботи з контекстним вiкном на прикладi знаходження аналiтичного розв’язку лiнiйних дифференцiальних рiвнянь першого порядку та диференцiальних рiвнянь з вiдокремлюючими змiнними. Для проведення цього дослiдження та порiвняння результатiв було взято 3 моделi, а саме: GPT-3.5, GPT-4, GPT-4o. В ходi дослiдження було показано, що всi описанi моделi можуть коректно знаходити аналiтичнi розв’язки лiнiйних дифференцiальних рiвнянь першого порядку та диференцiальних рiвнянь з вiдокремлюючими змiнними використовуючи даний бiльш ефективний пiдхiд до вирiшення проблеми обмеженого контекстного вiкна. За точнiстю та якiстю знаходження аналiтичного розв’язку, найкраще показала себе модель GPT-4.Документ Відкритий доступ Методи машинного навчання для розпізнавання нафтових плям за допомогою супутникових знімків(КПІ ім. Ігоря Сікорського, 2024) Нагорський, Максим Леонідович; Яйлимова, Ганна ОлексіївнаДипломна робота містить: 77 сторінок, 26 рисунків, 3 таблиці, 25 джерел. У світі, де довкілля все частіше потерпає від екологічних викликів, нафтові розливи є особливою проблемою. Вони залишають після себе тривалі наслідки на природі, завдають удару по економіці прибережних місць і створюють ризики для здоров’я рослин і тварин та людей. Тому виявлення нафтових плям якомога раніше й точний аналіз їх розташування та розмірів є актуальним й може суттєво допомогти у зменшенні їх негативного впливу. Для вирішення цієї задачі в дипломній роботі використовуються різні методи машинного навчання для визначення найбільш ефективної моделі, за допомогою якої можна буде швидко та ефективно виявляти нафтові плям у водному середовищі. У роботі було досліджено супутникові знімки, які були сформовані науковим колективом кафедри ММАД та її наукового спрямування.Документ Відкритий доступ Порiвняння багатошарового перцептрону та (1+λ)-еволюцiйного алгоритму для задач класифiкацiї(КПІ ім. Ігоря Сікорського, 2024) Харь, Дмитро Федорович; Яворський, Олександр АндрійовичКвалiфiкацiйна робота мiстить: 54 стор., 7 рисункiв, 14 таблиць, 38 джерел. У данiй роботi розглядаються методи для вирiшення задач класифiкацiї, а саме: MLP, який використовує оптимiзацiйнi алгоритми в основi яких градiєнтний спуск, MLP, який використовує оптимiзацiйний алгоритм на основi одноточкової мутацiї та (1 + λ)-EA with GP encoding. Цi методи порiвнювались на задачах бiнарної та мультикласової класифiкацiї табличних даних та картинок. У ходi дослiдження було встановлено, що всi три методи здатнi досягти однакових метрик у всiх задачах. Найшвидшу збiжнiсть до цих метрик продемонстрував MLP з використанням градiєнтного спуску. Тим не менш, (1 + λ)-EA with GP encoding видiлився завдяки здатностi легко адаптуватись до умов задачi. Цей метод дозволяє обирати кiлькiсть нащадкiв i регулювати експресивнiсть iндивiдiв, що надає можливiсть зосередити пошук рiшень у конкретних областях простору рiшень. Такий пiдхiд є особливо корисним, коли потрiбно зосередитися на важливих регiонах пошуку для вдосконалення рiшень.Документ Відкритий доступ Порівняння методів машинного навчання для детектування пошкоджених лісів для території України за супутниковими даними(КПІ ім. Ігоря Сікорського, 2024) Іорданова, Валерія Едуардівна; Яйлимова, Ганна ОлексіївнаКваліфікаційна робота містить: 80 сторінок, 29 рисунків, 8 таблиць, 35 джерел. Останнім часом у всьому світі спостерігається досить помітна зміна кліматичних умов. Саме це є однією з причин, яка призводить до навали шкідників та пожеж через спекотнішу погоду і, як катастрофічний наслідок з цього, знищення щороку мільйонів гектарів лісів – легень нашої планети. З огляду на ці небезпеки, точне і своєчасне виявлення загроз та пошкоджень стає доволі важливою задачею для збереження лісів. Метою дослідження є визначення ефективності виявлення пошкоджених ділянок лісу на основі супутникових даних Sentinel-2 за допомогою різних методів машинного навчання. Об’єктом дослідження є процес виявлення та аналізу пошкоджених лісових ділянок на супутникових зображеннях. Предметом дослідження є методи розпізнавання пошкоджень лісових ділянок, зокрема, методи машинного навчання. У роботі порівнювалася точність та продуктивність методів машинного навчання, використовуючи два датасети – з вегетаційними індексами та без них, щоб визначити їх вплив на результати. З порівняльного аналізу випливає, що найкращий результат за точністю та часом показав XGBoost (з вегетаційними індексами та без точність виявилася однаковою).Документ Відкритий доступ Iнформацiйний вплив на динамiку рейтингу довiри з урахуванням моделi Рiкера(КПІ ім. Ігоря Сікорського, 2024) Драгой, Янiна Миколаївна; Терещенко, Іван МиколайовичКвалiфiкацiйна робота мiстить: 44 стор., 8 рисункiв, 0 таблиць, 8 джерел. Метою дослiдження полягає у тому, щоб визначити та проаналiзувати як iнформацiйнi повiдомлення впливають на змiну думки, кожної групи виборцiв. Об’єктом дослiдження будуть три групи виборцiв, а також кiлькiсть iнформацiйних повiдомлень, що потрiбна для змiни їх думки. Тодi математична модель динамiки рейтингу та антирейтингу довiри i модель поширення iнформацiйних повiдомлень — це предмет дослiдження. У ходi дослiдження було побудовано математичну модель динамiки рейтингу довiри до кандидата з урахуванням iнформацiйного впливу на виборцiв. Модель створена на основi двох вже вiдомих моделях, що дослiджують соцiальнi табiологiчнi процеси. Результати роботи представленi у видi графiкiв iз описом, що аналiзує отриманi результати. В описi результатiв також наведено наскiльки кожна ситуацiя є виграшною чи програшною для кандидатiв.Документ Відкритий доступ Проблема оцiнки впливу голiв уваги на синтаксичну структуру тексту на прикладi генерацiї текстiв пiсень(КПІ ім. Ігоря Сікорського, 2024) Чернишев, Максим Олександрович; Яворський, Олександр АндрійовичКвалiфiкацiйна робота мiстить: 51 стор., 6 рисункiв, 8 таблиць, 49 джерел. У данiй роботi розглядається запропонована методологiя оцiнки впливу голiв уваги на емоцiйне забарвлення та синтаксичнi характеристики згенерованого тексту. Для дослiдження була використана GPT-1-модифiкована архiтектура моделi. Тренувальними даними слугували тексти пiсень. В ходi дослiдження за допомогою реалiзовних методiв було визначено вплив окремих шарiв моделi на тональнiсть тексту та генерацiю окремих слiв.Документ Відкритий доступ Математичне моделювання для оптимізації інфраструктури розумного села(КПІ ім. Ігоря Сікорського, 2024) Городецький, Владислав Олександрович; Яйлимова, Ганна ОлексіївнаМетою дослідження є застосування методів математичного моделювання для визначення залежності між кількістю мешканців та інфраструктурною наповненістю села, а також оцінки якості життя в контексті концепції "розумного села". Об'єктом дослідження є інфраструктурні системи та демографічні показники сільських населених пунктів. Розглянуто дані щодо відстані до об’єктів інфраструктури сіл зібрані за допомогою ГІС-технологій та статистичні дані про кількість населення сільських територій України.Документ Відкритий доступ Екстраполяція якості повітря в міському середовищі з обмеженою кількістю станцій(КПІ ім. Ігоря Сікорського, 2024) Городецька, Дар’я Костянтинівна; Яйлимова, Ганна ОлексіївнаЗ початком пандемії COVID-19 та повномасштабного вторгнення росії в Україну 24 лютого 2022 року, країна зіткнулася з багатьма проблемами, одна з яких досі не отримує належної уваги. Це проблема погіршення якості повітря. Пандемія спричинила численні зміни в екології, зокрема в якості повітря через зміну промислового виробництва та транспортних звичок. Воєнні дії призвели до додаткового забруднення навколишнього середовища, що також вплинуло на якість повітря. Внаслідок цих подій, місто Київ, як і багато інших регіонів України, зіткнулося з суттєвими викликами щодо моніторингу та оцінки стану якості повітря. Даних моніторингу недостатньо через малу кількість станцій заміру показників, тому для розв’язання поставленої задачі в дипломній роботі використовуються IDW модель екстраполяції даних та Griddata модель, яка використовується для екстраполяції нерегулярно розподілених даних на регулярну сітку, порівняльний аналіз моделей для визначення найкращої моделі. В роботі досліджено дані показників якості повітря міста Київ за 2022 р. для навчання двох моделей екстраполяції даних.Документ Відкритий доступ Моделі семантичної сегментації в задачі пошуку нафтових плям на основі геопросторових даних(КПІ ім. Ігоря Сікорського, 2024) Григоренко, Євгеній Михайлович; Шелестов, Андрій ЮрійовичЦя робота є актуальною через зростаючу потребу виявлення нафтових плям у водах для моніторингу морського середовища та прийняття заходів щодо їх ліквідації. Сучасні методи семантичної сегментації зображень, засновані на супутникових даних, дозволяють значно підвищити ефективність виявлення та контролю забруднень. У роботі використовуються дані звітів про спостереження за забрудненням моря (MPSR) для створення датасету та супутникові знімки для аналізу та експериментів. Робота складається з декількох етапів, включаючи огляд літератури, підготовку датасету, імплементацію моделей сегментації та оцінку їх продуктивності. Для реалізації та навчання моделей було використано бібліотеку PyTorch Lightning. Особлива увага приділена порівнянню різних архітектур моделей та функцій втрат для семантичної сегментації нафтових плям. У ході численних експериментів оцінено точність моделей за метриками Intersection over Union (IoU) та F1-Score (Dice Score). Результати показали, що використання таких архітектур моделей як UNet++ та DeepLabV3+, забезпечує високу точність виявлення нафтових плям. Дослідження також виявило оптимальні параметри навчання для цих моделей, що може бути використано для подальшого моніторингу забруднень морського середовища. Таким чином, результати даного дослідження дозволяють визначити ефективні моделі та параметри для семантичної сегментації нафтових плям у водах на основі супутникових зображень, що сприяє покращенню методів моніторингу та охорони довкілля.Документ Відкритий доступ Застосування комп’ютерного зору та статистичного аналізу для футбольних даних(КПІ ім. Ігоря Сікорського, 2024) Должко, Назарій Валентинович; Яйлимова, Ганна ОлексіївнаМетою роботи є створення системи яка відстежуватиме положення гравців, рефері та м‘яч на полі. Роботу можна поділити на три частини.Перша про аналіз наявних систем, та загальне уявлення про футбольну аналітику. Друга частина опис процесу створення власної системи. У третьому про застосування машинного навчання з метою передбачити переможця матчу.Документ Відкритий доступ Комбінований метод заповнення пропусків від хмар на супутникових зображеннях у AOD каналі(КПІ ім. Ігоря Сікорського, 2024) Кравчук, Олександр Артемович; Яйлимова, Ганна ОлексіївнаАерозольна оптична глибина (AOD) є універсальним критерієм, який дає змогу в тому числі виміряти якість повітря в атмосфері. Супутникові ж дані забезпечують глобальний моніторинг і надають можливість спостерігати за станом повітря у віддалених і важкодоступних регіонах, де наземні датчики відсутні. Проте наявність хмар значно ускладнює отримання надійних даних про AOD, оскільки вони затуляють огляд супутників на поверхню Землі. Зазвичай моделі для заповнення пропусків від хмар у AOD каналі потребують безхмарних знімків для навчання, проте для деяких регіонів, зокрема у помірному та північніших кліматичних поясах, отримати такі знімки стає майже неможливо. Для вирішення цієї проблеми у дослідженні був запропонований ансамбль моделі на основі ICW і нейромережі LSTM CNN-Autoencoder. Перша модель може працювати навіть при відсутності непошкоджених знімків у начальній вибірці, проте її точність при високому рівні хмарності сильно деградує. Тож за допомогою неї на малохмарних знімках був сформований набір даних для навчання другої, більш потужної, моделі в ансамблі, яка здатна заповнювати пропуски від хмар з високою точністю і за будь-якого рівня хмарності. Також у роботі були запропоновані дві модифікації для архітектури нейромережевої моделі. Перша (ML-ConvLSTM-UE) являє собою модифікацію енкодеру UNet-подібного автоенкодеру і розширює його ще одним паралельним енкодером з ConvLSTM шарами. Друга модифікація замінює пулінг шари автоенкодеру на згорткові шари зі страйдом і ядром, розмір якого постійно збільшується. У роботі використовувалися дані про AOD із супутникової колекції MCD19A2 для частини території Франції за 2010 – 2023 роки.Документ Відкритий доступ Порівняльний аналіз методів й алгоритмів 3D-реконструкції у комп’ютерному зорі(КПІ ім. Ігоря Сікорського, 2024) Коперсако, Дмитро Олександрович; Хайдуров, Владислав ВолодимировичТривимірна (3D) реконструкція – активно досліджувана область комп’ютерного зору. Загальною метою в цій галузі є побудова цифрових моделей реальних об’єктів і сцен. З появою RGB-D камер і збільшенням обчислювальної потужності відеокарт фокус реконструкції останнім часом змістився зі статичного на динамічний контент і з офлайн на онлайн-системи. У нинішніх сучасних роботах залишається багато труднощів: зйомка сцени з кількох камер вимагає використання спеціального обладнання, швидкі рухи та великі зміни топології не можуть бути правильно оброблені. Метою дослідження є проведення порівняльного аналізу сучасних методів й алгоритмів 3D-реконструкції графічних об’єктів з метою дослідження й аналізу графічних моделей. Об’єктом дослідження є прикладні завдання, що зводяться до застосування 3D-реконструкції в ході аналізу графічних моделей реальних об’єктів і систем. Предметом дослідження є сучасні методи й алгоритми 3D-реконструкції графічних об’єктів з метою дослідження й аналізу графічних моделей реальних об’єктів і систем. У роботі вирішено такі завдання, як: застосування 3D-реконструкції для вирішення завдань візуалізації медичних зображень; промислова безпека і сучасні завдання 3D-реконструкції у завданнях візуалізації складних інфраструктур об’єктів; проаналізувано актуальні існуючі методи й алгоритми вирішення вище наведених прикладних завдань комп’ютерного зору з використанням 3D-реконструкції; розроблено програмне забезпечення для реалізації методів й алгоритмів з метою проведення обчислювальних експериментів для дослідження ефективності кожного з розглянутих методів й алгоритмів.Документ Відкритий доступ Пост-кластеризацiя на основi ймовiрнiсної самоорганiзацiйної карти Кохонена(КПІ ім. Ігоря Сікорського, 2024) Хоменко, Остап Вiталiйович; Наказной, Павло ОлександровичОб’єктом дослiдження є спостереження, якi моделюються вибiркою з сумiшi гаусових розподiлiв. Кластеризацiя цих спостережень проводилась за допомогою ймовiрнiсної самоорганiзацiйної карти Кохонена. Розглянуто недолiки цiєї моделi, а саме: «граничнi ефекти» та неправильну оцiнку деяких параметрiв через надмiрну кiлькiсть кластерiв цiєї моделi. Метою дослiдження є оцiнювання оптимальної кiлькостi кластерiв шляхом проведення пост-кластеризацiї ймовiрнiсної самоорганiзацiйної карти Кохонена. Результати чисельного експерименту продемонстрували працездатнiсть двох алгоритмiв пост-кластеризацiї на штучних та реальних даних.Документ Відкритий доступ Порiвняння методiв машинного навчання для виявлення пошкоджень на сiльськогосподарських територiях(КПІ ім. Ігоря Сікорського, 2024) Нестеренко, Данило Сергiйович; Яйлимова, Ганна ОлексіївнаМетою дослiдження є уточнення методiв розв’язання задачi сегментацiї кратерiв на супутникових знiмках на основi моделей машинного навчання. Об’єктом дослiдження є процес виявлення кратерiв за супутниковими знiмками. Предметом дослiдження є методи виявлення кратерiв, сформованих внаслiдок вибухiв бомб чи iнших вибухових пристроїв, з використанням сучасних технологiй обробки зображень, супутникового зондування та геоiнформацiйних систем. Пiд час дослiдження було проведено аналiз та порiвняння iснуючих методiв розв’язання задачi сегментацiї на супутникових зображеннях. Використання результатiв поставлених задач роботи можуть бути застосованi для оцiнки пошкоджень, визначення найбiльш вразливих зон для населення, тощо. Результати дослiдження показали, що модель U-Net з використанням Dice Loss виявилася найбiльш ефективною, здатною точно визначити мiсцеположення кратерiв. Також, виявлено, що моделi, навченi з використанням Dice Loss, показали кращi та стабiльнiшi результати порiвняно з моделями, навченими з використанням Focal Loss.Документ Відкритий доступ Методи машинного навчання для класифікації інфікованих пацієнтів(КПІ ім. Ігоря Сікорського, 2024) Щербина, Іван Володимирович; Яйлимова, Ганна ОлексіївнаОб’єкт дослідження – дані про інфікування пацієнтів синдромом набутого імунодефіциту. Мета дослідження – застосування методів машинного навчання для виявлення, аналізу та класифікації інфікування пацієнтів. Методи дослідження – було проведено підготовку даних для подальшої побудови методів машинного навчання. Очищення даних від пропущених значень, нормалізацію та масштабування даних, а також за допомогою метода головних компонент проведено візуалізацію стовпців з множини даних, які містять більше всього інформації. Було застосовано методи машинного навчання: логістичну регресію, ядерну логістичну регресію, опорних векторів та багатошаровий персептрон. Проведено експерименти для налаштування гіперпараметрів моделей та визначення оптимальних умов для проведення класифікації інфікувань. За допомогою різних метрик для оцінки якості класифікації моделі, було визначено найоптимальнішу модель, для проведення класифікації інфікувань. Тож в подальшому буде можливо розробити застосунок, для того, щоб користувачі вільно могли дізнатися, чи є вони інфікованими за допомогою проведеної класифікації найоптимальнішою моделлю, зі зберіганням повної анонімності особистості.Документ Відкритий доступ Методи та алгоритми для ідентифікації вирубок лісів в Україні(КПІ ім. Ігоря Сікорського, 2024) Юрковський, Нікіта Олександрович; Яйлимова, Ганна ОлексіївнаЛіси відіграють дуже важливу роль у існуванні людства і представляє собою дуже серйозний ресурс, до використання якого потрібно підходити дуже обережно. Останнім часом, лісів становиться все менше і менше через такі чинники, як пожари, вирубки, захворювання. Зміни у лісовому покрові нашої планети вже мають досить відчутний вплив на планету, тому знаходження чинників катастрофи дуже потрібно робити завчасно. Одним із таких моментів є вирубка лісів, законна чи ні, не стільки важливо. Моніторинг зон вирубок є досить складною задачею, через необхідність застосовувати супутникові дані для швидкого аналізу знімків, та оптимізованих і достатньо точних методів ідентифікації, через необхідність знаходити саме вирубки, лісозаготівлі, не захоплюючи увесь інший непотрібний шум, котрий може бути присутнім на зображені. Практичне завдання роботи реалізується на наборі супутникових знімків та масок по Україні за 2021 рік.