Магістерські роботи (ПМА)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/21888

Переглянути

Зараз показуємо 1 - 20 з 23

Відкритий доступ
Математичне та програмне забезпечення системи оцінювання та аналізу рівня депресії в суспільстві
(КПІ ім. Ігоря Сікорського, 2023) Питайло, Ірина Юріївна; Маслянко, Павло Павлович
Дисертацію виконано на 85 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 33 найменувань. У роботі наведено 33 рисунки та 9 таблиць. Актуальність теми. Депресія є одним із найпоширеніших захворювань у світі, яке впливає на якість життя людини і може переходити у хронічну форму. Багато людей ігнорують симптоми депресії і довго не можуть з неї вийти. Тому актуальним є дослідження рівня депресії усього суспільства, визначення основних компонентів депресії для боротьби з нею. Оскільки депресія діагностується індивідуально у лікаря, то для аналізу рівня депресії усього суспільства можна використати дописи у соціальних мережах, які є у відкритому доступі і які можуть бути прив’язані до дати, місцевості, статі людини. Розробка такої модель системи оцінювання рівня депресії в суспільстві може стати аналітичним інструментом для боротьби з депресією. Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного і програмного забезпечення системи аналізу рівня депресії суспільства для боротьби з депресією. Об’єктом дослідження є депресія, види депресії, лінгвістичні маркери депресії, статистичний аналіз текстів. Шкала оцінювання депресії, визначення рівня депресії на основі тексту, обробка природньої мови, математичне представлення тексту, методи класифікації, методи кластеризації, визначення тематики тексту. Лінгвістичний аналіз тексту. Метод опорних векторів, випадковий ліст, метод к-найближчих сусідів, ДБСКАН, нейронні мережі, рекурентні нейронні мережи, трансформери. Методи зменшення розмірності даних, метод головних компонент. Метрики для оцінювання роботи алгоритмів. Точність (accuracy), чутливість (sensitivity), специфічність (specificity), повнота (recall), коефіцієнт чутливості Метьюса (MCC). Предметом дослідження є математичне та програмне забезпечення системи аналізу та оцінювання депресії на основі текстових даних, визначення тематики тексту і подальша кластеризація таких текстів за рівнем депресії та тематикою, на основі машинного навчання. Методи дослідження. Методи векторного представлення тексту, методи класифікації, методи тематичного моделювання, методи кластеризації. Наукова новизна одержаних результатів. Вперше запропоновано модель, яка робить оцінку депресивності суспільства не лише у розрізі наявності депресії, а у розрізі рівня депресії та тематики депресивних текстів. Практична цінність одержаних результатів. На основі запропонованої моделі системи для оцінювання та аналізу рівня депресії в суспільстві зроблено застосунок, який дозволяє робити моніторинг рівня депресії в суспільстві. Апробація результатів дисертації. Основні положення й результати роботи представлено та опубліковано на конференції ПМК 2022. Публікації. - Маслянко П. П. та Питайло І. Ю. (2022). Математичне та програмне забезпечення системи оцінювання та аналізу рівня депресії в суспільстві. ПМК-2022.
Відкритий доступ
Система для семантичного пошуку музики та формування рекомендацій з використанням нечіткої логіки
(КПІ ім. Ігоря Сікорського, 2023) Пастернак, Марина Олександрівна; Вовк, Лілія Борисівна
Дисертацію виконано на 87 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 24 найменувань. У роботі наведено 31 рисунки та 7 таблиць. Актуальність теми. Зростання кількості музичних композицій та постійне поповнення ринку музичних платформ та пошукових систем створює необхідність у більш ефективних інструментах для пошуку та рекомендації музики. Крім того, на сьогоднішній день відбувається збільшення кількості користувачів музичних платформ, які хочуть знайти нові композиції, що відповідають їхнім смакам та настрою. У зв'язку з цим, ефективна система для обробки семантичних описів запитів може допомогти користувачам знайти більш точні та персоналізовані рекомендації музики. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Основна мета дослідження полягає у розробці та оцінці ефективності такої системи з метою поліпшення пошукових можливостей та рекомендацій користувачам музичних платформ та пошукових систем. Дослідження передбачає аналіз існуючих підходів до обробки семантичних описів запитів та теоретичних аспектів нечіткої логіки, а також розробку та тестування прототипу системи для оцінки її ефективності. Для досягнення вказаної мети було розв’язано такі задачі: - аналіз літератури та пошук існуючих рішень в галузі музичної рекомендації та обробки запитів користувачів. - розробка алгоритмів для обробки семантичних описів запитів користувачів музики з використанням нечіткої логіки. - розробка системи для збору та обробки даних про музичні композиції та користувачів. - розробка моделей машинного навчання для персоналізованих рекомендацій музики користувачам. - тестування та оцінка ефективності системи на реальних даних та порівняння її з існуючими рішеннями в галузі музичної рекомендації. - підготовка документації та розробка інтерфейсу користувача для зручного використання системи. Об’єктом дослідження. Поняття нечіткої логіки: аналіз тексту, вимірювання семантичної подібності, нечітка логіка. Нечітка логіка — це метод міркування, який нагадує людський спосіб формування думки. Цей підхід схожий на те, як люди приймають рішення. І це включає всі проміжні можливості між «так» і «ні». Пошук музичної інформації на основі вмісту спрямований на визначення пошуку музики в термінах семантичних дескрипторів. Замість того, щоб вказувати ім’я композитора чи назву пісні, семантичний опис дозволить визначити музичний вміст за допомогою таких дескрипторів, як «веселі», «сумні», «динамічні» та «гармонійні». Вимірювання семантичної подібності спрямоване на визначення подібності між двома текстовими виразами, які використовують різні лексикографічні засоби для представлення того самого реального об’єкта чи ідеї. Предметом дослідження. Cистема для обробки семантичних описів запитів користувачів пошуку музики з використанням нечіткої логіки; Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи нечіткої логіки; методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів); методи теорії ймовірності та математичної статистики (для обробки результатів). Наукова новизна одержаних результатів. Полягає у дослідженні та розробці такої системи, яка може мати великий практичний внесок у розвиток сучасних музичних платформ та пошукових систем. Зокрема, вона може допомогти користувачам знайти музику, яка відповідає їхнім потребам та уподобанням, а також покращити якість пошуку та рекомендацій. Апробація результатів дисертації. Основні положення та результати роботи представлено на коференції 2023 року XXV Всеукраїнська науково-практична конференція "Молодь, освіта, наука, культура і національна самосвідомість в умовах європейської інтеграції". Публікації. Вовк Л. Б., Пастернак М. О. Система для семантичного пошуку музики та формування рекомендацій з використанням нечіткої логіки XXV Всеукраїнська науково-практична конференція "Молодь, освіта, наука, культура і національна самосвідомість в умовах європейської інтеграції" Практичне значення роботи. Отримані результати дослідження можуть мати значний практичний внесок у розвиток сучасних музичних платформ та пошукових систем. На основі розробленої системи для обробки семантичних описів запитів користувачів пошуку музики з використанням нечіткої логіки можуть бути розроблені нові алгоритми та підходи до визначення схожості музичних композицій та відбору рекомендацій.
Відкритий доступ
Математичне та програмне забезпечення системи класифікації сканованих документів для ділового документообігу
(КПІ ім. Ігоря Сікорського, 2023) Пащенко, Катерина Михайлівна; Норкін, Богдан Володимирович
Дисертацію виконано на 96 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 28 найменувань. У роботі наведено 51 рисунки. Актуальність теми. На сьогодні все більше документів, таких як текстові документи, таблиці, схеми, платежів, заявки на роботу, різноманітні форми зберігаються та обробляються в форматі цифрового зображення. Також постає необхідність систематизовувати попередньо створені документи в паперовому вигляді та вилучати з них корисну інформацію. Тому актуальною є тематика пов’язана з класифікацією документів, адже саме це відіграє важливу роль у завданнях систематизації, сортуванні, класифікації сканованих чи сфотографованих документів в процесі ділового документообігу. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є підвищення ефективності роботи в завданнях класифікації та систематизації сканованих документів в процесі ділового документообігу. Для досягнення мети було визначено наступні завдання: - виконати аналіз існуючих систем класифікації документів; - виконати аналіз існуючих методів аналізу, передбачення та класифікації категоріальних даних; - визначити підсистеми майбутньої розробленої системи класифікації; - обрати алгоритм машинного навчання для кожної з підсистеми; - розробити процедуру підготовки вхідних даних; - спроектувати автоматизовані підсистем; - здійснити програмну реалізацію спроектованих підсистем; - провести тестування розробленої ситеми та верифікацію результатів. Методи дослідження. Для досягнення поставленої мети використовувалися такі методи: алгоритми машинного навчання, методи для обробки цифорових зображень, методи оптимізації гіперпараметрів та параметрів згорткової нейронної мережі, методи проектування систем Data Science, методи теорії алгоритмів та програмування, методи аналізу даних та математичної статистики. Об’єктом дослідження є методи класифікації документів на основі структури документу. Предметом дослідження є реалізація моделі класифікації сканованих документів для підвищення ефективності в системах електронних офісів. Наукова новизна. Удосконалено архітектуру згорткової нейронної мережі, яка за показниками точності та повноти не поступається відомим аналогам, але потребує менше часу на навчання, швидше класифікує цифрові зображення сканованих документів та потребуює менше ресурсів для розгортання і використання. Практична цінність одержаних результатів. На основі запропонованої системи для класифікації реалізовано програмний модуль для класифікації сканованих документів, що дозволяє провести систематизацію та сортування одиниць в сфері документообігу з можливістю подальшої обробки документів. Апробація результатів дисертації. Основні положення та результати роботи представлено та опубліковано на конференції ПМК 2022 (Прикладна Математика та Комп’ютинг). Публікації. Норкін Б. М., Пащенко К.М., Математичне та програмне забезпечення системи класифікації цифрових зображень текстових документів. Прикладна математика та комп’ютинг. ПМК-2022: п’ятнадцята науково-практична конференція магістрантів та аспірантів, Київ, 16-17 лист. 2022 р.: зб. Тез доп./ [редкол.: Дичка І. А. та ін.]. — К. : Просвіта, 2022. — С. 86-93.
Відкритий доступ
Математичне та програмне забезпечення системи пошуку судових прецедентів в судочинстві України
(КПІ ім. Ігоря Сікорського, 2023) Мірко, Сергій Сергійович; Маслянко, Павло Павлович
Дисертацію виконано на 130 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 24 найменувань. У роботі наведено 22 рисунків та 7 таблиць. Актуальність теми. База судових рішень в судочинстві України, які знаходяться в єдиному реєстрі судових рішень, перевищує сто мільйонів документів. До того ж вона містить декілька різновидів судових документів, таких як рішення, постанова, ухвала, вирок тощо, також має три рівні судочинства - перша інстанція, апеляція та касація, при цьому маючи досить розгалужене категорювання справ. Особливістю організації інформаційних ресурсів судочинства України є специфіка структур організації баз даних, форматів даних, процесів обробки даних, форматів запитів та інтерфейсів взаємодії з інформаційними ресурсами. Можна сказати, що в Україні де-факто існує прецедентне право, тобто раніше прийняті рішення по судових справах у відповідності до законодавства України використовуються для прийняття рішення щодо вирішення поточних справ, тобто на практиці судді використовують раніше прийняті рішення для винесення рішень по своїх поточних справах, а адвокати для розуміння того, як правильно побудувати свою правову позицію. Також в судочинстві України існують інші зацікавлені сторони, наприклад слідчі, представники влади, прокуратури тощо. Тому для інформатизації бізнес-процесів діяльності зацікавлених осіб у судочинстві України існують системи пошуку прецедентів серед вироків, рішень, ухвал та інших документів. Але існуючі системи потребують значного часу, щоб задовільнити потребу користувача у пошуку потрібного судового документа через обмежену функціональність взаємодії користувача з системою. Тому, наразі, актуальною є проблема розробки науково обґрунтованої концептуальної моделі системи пошуку прецедентів (СПП) у судочинстві України, яка б взаємодіяла з користувачем під час пошуку прецедентів з використанням підходів інтелектуального аналізу тексту та її імплементація на множині відкритих баз даних для забезпечення пошуку прецедентів серед законодавчо встановлених видів результатів судочинства України. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою є створення математичного, програмного та методичного забезпечення системи пошуку судових прецедентів в судочинстві України, яка б взаємодіяла з користувачем під час пошуку прецедентів з використанням підходів інтелектуального аналізу тексту. Для досягнення постановленої мети необхідно виконати наступні задачі: - Виконати аналіз існуючих систем пошуку прецедентів в судочинстві України - Виконати аналіз та огляд існуючих теоретичних рішень побудови систем пошуку прецедентів в судочинстві України - Виконати огляд перспективних рішень для побудови системи пошуку прецедентів в судочинстві України - Розробити уніфіковану модель системи пошуку прецедентів в судочинстві України - Розробити та описати математичне забезпечення пошуку прецедентів в судочинстві України - Розробити та описати програмне забезпечення пошуку прецедентів в судочинстві України - Провести верифікацію та валідацію пошуку прецедентів в судочинстві України Об’єкт дослідження. Методи та моделі інформаційно-пошукових систем (ІПС); підходи та функції розрахунку відповідності документа до запиту користувача; моделі, методи та алгоритми інтелектуального аналізу тексту: обробка природньої мови, представлення текстів, вилучення інформації, групування текстів; методи та підходи системної інженерії, систематизації, моделювання та проектування систем; існуючі програмні методи реалізації інформаційно-пошукових систем, існуючі системи пошуку прецедентів в судочинстві України: Єдиний державний реєстр судових рішень, Закон онлайн, База правових позицій Верховного Суду. Предмет дослідження. Системна інженерія та модель СПП на основі бізнес-профіля Еріксона–Пенкера; методи теорії системного аналізу, системної інженерії, моделювання та проектування систем пошуку текстів, розрахунку відповідності документа запиту, обробки природної мови, тематичного моделювання текстів, вилучення ключових слів, візуалізації даних; програмне забезпечення реалізації текстового пошуку ElasticSearch. Методи дослідження. Для вирішення поставленої задачі було розглянуто, методологію системної інженерії, методи та технології науки про дані, методи: тематичного моделювання текстів: LDA, NMF, Top2Vec, BERTopic; виділення ключових слів: на основі функцій подібності, Rake/Yake, на основі PageRank (графові), на основі енбедінгів; функції відповідності документа запиту користувача: TF-IDF (частота терміну до інвертованої частоти документу), Best Match 25, Divergence From Randomness Divergence From Information, Мовні моделі (Діріхле та Єлінек-Мерсер), Information Based. Огляд існуючих систем пушку прецедентів в судочинстві України: Єдиний державний реєстр судових рішень, Закон онлайн, База правових позицій Верховного Суду. Наукова новизна одержаних результатів включає в себе такі пункти: - Розроблено уніфіковану модель системи пошуку прецедентів в судочинстві України, яка б взаємодіяла з користувачем в процесі пошуку із застосуванням алгоритмів інтелектуального аналізу тексту. - Запропоновано підхід імплементації тематичного моделювання документів в систему пошуку прецедентів в судочинстві України. - Запропоновано підхід та алгоритм рекомендування пошукових слів на основі оцінок релевантності документів користувача. Практичне значення одержаних результатів. Запропоновано математичне, програмне та методичне забезпечення системи пошуку судових прецедентів в судочинстві України, яка взаємодіє з користувачем під час пошуку прецедентів з використанням підходів інтелектуального аналізу тексту, що пришвидшує пошук та аналіз судових документів в судочинстві України. Система збирає розмічені користувачем документи, як релевантні та нерелевантні до запиту, що дає можливість створити розмічений датасет судових документів. Датасет можна використати для модернізації системи, навчивши на ньому більш складні алгоритми інтелектуального аналізу тексту. Апробація результатів дисертації. Основні положення та результати роботи дисертації доповідалися та були опубліковані у матеріалах наукової конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022» . Публікації. Результати дисертації викладено в науковій праці: тези «Математичне та програмне забезпечення системи пошуку прецедентів в судочинстві України» конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022».
Відкритий доступ
Математичне та програмне забезпечення системи розпізнавання емоцій за аудіозаписами
(КПІ ім. Ігоря Сікорського, 2023) Коваленко, Олександра Петрівна; Третиник, Віолета Вікентіївна
Дисертацію виконано на 81 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 22 найменувань. У роботі наведено 40 рисунків та 2 таблиці. Актуальність теми. Технології сучасності стрімко розвиваються. Сьогодні потужність обчислювальної техніки сильно виросла порівняно з попереднім століттям. Розвиток машинного навчання припадає ще на 60-ті роки минулого століття і швидкість розвитку цієї галузі зростає з кожним роком в геометричній прогресії. Протягом останніх двох десятиліть ця галузь є однією із провідних у комп’ютерних науках. Задачі розпізнавання вирішені використанням нейронних мереж є унікальними. Використання нейронних мереж у багатьох сферах стрімко покращує прогрес. Дана робота, про розпізнавання емоцій людини за аудіозаписами спрямована на вирішення проблем галузях: військовій, розважальній, освітній та медичній. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного та програмного забезпечення системи розпізнавання емоцій за аудіозаписами. Для досягнення цієї мети необхідно вирішити наступні задачі: - дослідити методи навчання нейронних мереж; - розглянути і проаналізувати архітектури та принципи організації нейронних мереж та методів вирішення задач класифікації; - способи оптимізації параметрів згорткових мереж; - запропонувати структуру системи класифікації аудіозаписів; - розробити модель програмного забезпечення з запропонованою структурою; - провести експериментальне дослідження характеристик системи. Об’єктом дослідження є способи організації засобів машинного навчання для розпізнавання емоцій за аудіозаписами. Теоретичні інструменти: - методи і алгоритми реалізації архітектур нейронних мереж: нейронні мережі, аналіз та класифікація даних за заданими параметрами; обрання ознак; - методи оптимізації гіперпараметрів: гіперпараметри, оптимізація, пошук архітектури нейронної мережі, автоналаштування; обрання моделі; Існуючі засоби: класи, ознаки, характеристики, область застосування, вартість володіння. Предмет дослідження: Математичне та програмне забезпечення системи розпізнавання емоцій за аудіозаписами на основі нейромережевої моделі. Застосування нейронних мереж на етапі попереднього тренування для розпізнавання емоцій за аудіозаписами, порівняльний аналіз методів оптимізації, що використовуються при навчанні нейронних мереж. Методи дослідження. Для розв’язання поставленої задачі використовувались такі методи: методи машинного навчання (для розробки моделі нейронної мережі); методи оптимізації (для пошуку найкращого налаштування системи); методи обробки даних (для попередньої підготовки вихідних даних); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів). Наукова новизна одержаних результатів складається з таких положень: 1) вперше застосовано та поєднано системну інженерію, включено методи та моделі Data Science, які використовуються для реалізації системи розпізнавання емоцій людини за аудіозаписами; 2) запропоновано використання інтегрованої моделі класифікації емоцій за аудіозаписами на основі згорткових нейронних мереж з автоматизованим підбором гіперпараметрів. Практичне значення одержаних результатів. Полягає в тому, що розроблена система розпізнавання емоцій за аудіозаписами на основі згорткової нейронної мережі, яка може використовуватись для аналізу розмови та емоційного стану людини, що в подальшому можна використовувати в рекомендаційних системах, військовій справі і тд. Апробація результатів дисертації. Основні положення й результати роботи дисертації доповідались та опубліковані у матеріалах XV наукової конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022» ( Київ 16-17 листопада 2022 року). Публікації. Результати дисертації викладено в науковій праці: тези «Автоматизація підбору гіперпарметрів lstm для задачі розпізнавання емоцій за аудіозаписами» на XV конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022»
Відкритий доступ
Математичне та програмне забезпечення системи розпізнавання марки автомобілів на фотографіях в умовах обмеженого ракурсу
(КПІ ім. Ігоря Сікорського, 2023) Гуро, Дмитро Анатолійович; Андрусенко, Олена Миколаївна
Дисертацію виконано на 95 аркушах, вона містить 3 додатки та перелік посилань на використані джерела з 37 найменувань. У роботі наведено 36 рисунки та 2 таблиці. Актуальність теми. На сьогоднішній день у світі існує величезна кількість транспортних засобів і наземний транспорт, очевидно, є основним способом пересування людства. З цього випливає, що контроль потоку транспортних засобів є дуже важливою задачею, так як завжди є необхідним в реальному часу відслідковувати порушення правил дорожнього руху, фіксувати переміщення вантажівок, знаходити автомобілі по системі камер тощо. Більшість систем, що встановлюються на дорогах громадського використання, навчені для розпізнавання авто спереду та ззаду, так як цього достатньо для більшості потреб систем контролю. Проте, не завжди є можливість встановити камеру, на яку покладено роботу зйомки трафіку, таким чином, тому є необхідність розробити систему, що може розпізнавати автомобілі незалежно від ракурсу та повноти зображення авбомобілю. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є створення системи здатної швидко та ефективно класифікувати автомобілі на цифрових зображеннях в умовах обмеженого ракурсу. Для досягнення мети було розв’язано такі задачі: - провести аналіз предметної області - зібрати або знайти необхідний - розробити алгоритмм розпізнавання моделі автомобіля на фотографії - розробити демонстраційну систему та інтегрувати алгоритм неї Об’єктом дослідження є методи роботи із зображеннями та їх класифікації. Предметом дослідження є застосування методів машинного навчання для заадчі класифікації зображень. Методи дослідження. Основним методом, що був використаний в дисертації для класифікації класів автомобілів є метод машинного навчання – згорткова нейронна мережа. Наукова новизна одержаних результатів роботи. Використано архітектуру згорткової нейронної мережі, яка за показниками точності та повноти не поступається відомим аналогам, але потребує менше часу на її навчання, використовує меншу кількість параметрів, швидше класифікує цифрові зображення і потребує менше ресурсів для розгортання і використання. Також система, в яку інтегрована мережа, робить акцент на зображеннях автомобілів в неповних ракурсах. Практичне значення роботи полягає у створенні власного модулю для класифікації цифрових зображень із використанням нейронних мереж. За допомоги цього модуля можна оптимізувати системи, де існує необхідність розпізнавання марки та моделі автомобіля, в ситуаціях, коли неможливо отримати повне зображення авто.
Відкритий доступ
Математичне та програмне забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень
(КПІ ім. Ігоря Сікорського, 2023) Давиденко, Микола Андрійович; Третиник, Віолета Вікентіївна
Дисертацію виконано на 92 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 23 найменувань. У роботі наведено 30 рисунки та 3 таблиці. Актуальність теми. Після 24 лютого 2022 року життя кожного українця назавжди змінилося від російського вторгнення та повномасштабної війни. Тож у сучасних життєвих реаліях війна зайняла окреме місце. Щоб підвищити оборонну спроможність важливо мати танки, артилерію та літаки, але щоб підвищити якість всього потрібна допомога математики та машинного навчання. На заході вже давно розробляються автоматичні системи прийняття рішень на основі штучного інтелекту, а дрони навчають автоматично знаходити цілі, і це далеко не повний список. Тож мета цієї роботи розробити інструмент для підвищення оборонної спроможності нашої країни. Щоб стежити та приймати відповідні рішення можна використовувати багато людських та фінансових ресурсів, що не є оптимально. Але є другий варіант, завдяки прогресу у супутниковій фотозйомці та нейронних мережах, це можна зробити повністю автоматизовано. В наш час стало зрозуміло що незважаючи на 21 століття військові конфлікти нікуди не зникли, тому є сенс створювати оборонний потенціал. Важливу роль у сучасній війні є розвідка, бо якщо є інформація про розташування ворога, то можна зробити контрдії які можуть кардинально змінити хід війни. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Розробка математичного та програмного забезпечення системи розпізнавання військової техніки за допомогою супутникових зображень на основі нейромережевої моделі для інтеграції з сайтами. Для розширення функціональних можливостей і адаптації системи до використання людьми без профільної освіти. Програма має бути інтегрована з сайтом, додатком або впроваджена в робочий процес. Об’єктом дослідження є методи та моделі розпізнавання об’єктів за супутниковими знімками на основі методів та моделей нейронних мереж. Моделі підвищення якості зображення, апскейлінг. Різні архітектури нейронних мереж: згорткові нейронні мережі, глибока згорткова нейронна мережа, U-Net, Залишкова нейронна мережа. Методи оптимізації та гіперпараметри нейронної мережі. Предметом дослідження є математичне та програмне забезпечення системи розпізнавання військових об’єктів за супутниковими знімками на основі нейромережевої моделі. Застосування нейронних мереж на етапі попереднього тренування для розпізнавання морських об’єктів за супутниковими знімками, порівняльний аналіз методів оптимізації, що використовуються при навчанні нейронних мереж. Методи дослідження. Для розв’язання поставленої задачі використовувались такі методи: методи машинного навчання (для розробки моделі нейронної мережі); методи оптимізації (для пошуку найкращого налаштування системи); методи обробки даних (для попередньої підготовки вхідних даних); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів). Наукова новизна одержаних результатів включає в себе такі пункти: - Комбінація використання навчених нейронних мереж з відкритим кодом для підвищення якості (апскейлінг) супутникових зображень, перед застосуванням основної згорткової нейронної мережі для розпізнавання об’єктів на фото. - Запропоновано використання згорткових нейронних мереж для розпізнавання військової техніки в комбінації сучасних комерційних супутників з синтезованою апертурою. Практичне значення одержаних результатів. Полягає в тому, що розроблена система для розпізнавання військової техніки за супутниковими знімками при подальшій модифікації може використовуватися військовими Збройними силами України. Апробація результатів дисертації. Основні положення й результати роботи представлено на конференції ПМК 2022 (Прикладна математика та комп’ютинг). Публікації. Результати дисертації викладено в одній науковій праці: - Третиник В. В., Давиденко М.А. (2022) Попереднє покращення якості зображення для підвищення точності розпізнавання об'єктів. ПМК 2022. С. 169-173;
Відкритий доступ
Математичне та програмне забезпечення системи прогнозування вартості фінансових активів компанії
(КПІ ім. Ігоря Сікорського, 2023) Агафонов, Дмитро Сергійович; Сирота, Сергій Вікторович
Дисертацію виконано на 106 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 64 найменувань. У роботі наведено 19 рисунків та 2 таблиці. Актуальність теми. Прогнозування вартості цінних паперів є надзвичайно важливим завданням для інвесторів і фінансових установ для прийняття обґрунтованих інвестиційних рішень, ефективного управлінні ризиками та загальної ефективності портфеля. Поєднання технічного аналізу активів ансамблювання моделей машинного та глибокого навчання, аналізу настроїв фінансових новин за допомогою мовних моделей має великий потенціал для підвищення точності та надійності прогнозів цін на акції. Технічний аналіз активів передбачає використання статистичних методів для аналізу історичних даних про ціни та обсяги для виявлення тенденцій і закономірностей на фондовому ринку. Цей метод десятиліттями використовувався трейдерами та інвесторами для прийняття інвестиційних рішень. Технічний аналіз можна автоматизувати та застосувати до великих наборів даних, дозволяючи робити більш точні та надійні прогнози. Методи глибокого навчання можуть вивчати складні взаємозв’язки між різними ринковими факторами, що дає точніші прогнози. В такі моделі можуть бути включені останні ринкові новини, економічні показники та інші відповідні фактори, щоб надати більш тонку та детальну інформацію. Ансамблювання моделей передбачає поєднання кількох моделей для підвищення точності та надійності прогнозів. Аналіз настроїв фінансових новин передбачає використання методів обробки природної мови для аналізу новинних статей і соціальних мереж, щоб визначити настрої ринку щодо певної акції чи компанії. Цей метод може надати додаткову інформацію про ринкові тенденції та настрої інвесторів, що призводить до більш точних прогнозів. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного та програмного забезпечення для покращення прогнозу вартості фінансових активів компанії (порівняно з традиційними методами прогнозування часових рядів) із застосуванням семантичного аналізу тексту, автоенкодерів, ансамблю моделей, генеративних змагальних мереж GAN з метою підвищення конкурентоспроможності компанії на ринку, покращення оптимізації та управління її ресурсами, забезпечення інвесторів та клієнтів фінансовим прогнозом. Для досягнення вказаної мети було розв’язано такі задачі: − Збір та аналіз необхідних для навчання моделей даних; − Тренування різних моделей машинного навчання, їх ансамблювання; − Розробка інтерфейсу та забезпечення роботи програми в реальному часі. Об’єктом дослідження є система прогнозування вартості фінансових показників компанії з використанням генеративних змагальних мереж GAN та навчання з підкріпленням RL. Методи технічного аналізу для прогнозування ймовірної зміни цін. Нейронні мережі для роботи з текстом spacy, nltk, BERT та finBERT. Алгоритми пониження розмірності t-SNE, UMAP, Factor Analysis, Feature Selection methods, Autoencoders. Методи прогнозування часових рядів багатовимірна лінійна регресія, ARIMA, марківська модель, fast-forward NN, RNN LSTM. Методи ансамблювання базових моделей bagging, stacking, boosting. Генеративні змагальні мережі GAN. Існуючі комерційні програмні рішення: StocksNeural, Stocksight, Deep Convolution Stock Technical Analysis. Предметом дослідження є техніки ансамблювання моделей машинного навчання, вплив на вартість фінансових активів компанії таких показників, як корельовані активи – показники залежних, схожих за економічною діяльністю або конкуруючих компаній; біржеіві товари – енергетична сировина, кольорові та дорогоцінні метали, промислова сировина тощо; курси валют; фондові індекси; кількість запитів в пошуковій системі; фінансові новини. Можливості технічного аналізу для прогнозування ймовірних змін вартості фінансових показників. Створення інформативних високорівневих ознак ззастосуванням t-SNE, UMAP, Feature Selection methods, Autoencoders. Порівняльний аналіз базових моделей прогнозування, об’єднання їх в ансамбль методами bagging, stacking, boosting. Можливість застосування генеративної змагальної мережі GAN, підбор моделей для генератора та дискримінатора. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи машинного навчання з учителем, навчання з підкріпленням, генеративні змагальні мережі, методи зменшення розмірності та вибору важливих ознак. Наукова новизна одержаних результатів полягає в потенціалі для покращення процесу прийняття інвестиційних рішень та управління ризиками на фінансових ринках за допомогою програмного забезпечення, створення якого є метою даної магістерської дисертації, що здатне інтегрувати набір методологій та алгоритмів в єдину систему, що дозволяє надавати більш точні та надійні прогнози. Програмне забезпечення здатне поєднувати велику кількість ознак (отриманих шляхом дата майнингу, інженирінгу ознак, технічного аналізу), ансамблі моделей машинного та глибокого навчання, мовну модель визначення емоційної забарвленості фінансових текстів для надання більш точних та надійних прогнозів порівняно з наявними існуючими рішеннями. Тому підхід до прогнозування фінансової інформації, який полягає в використанні якомога більшої кількості ознак для навчання моделі і представлений в даній дипломній роботі є найбільш вдалим та актуальним. Практичне значення одержаних результатів. Реалізовану систему можна застосовувати для проведення аналітики та прогнозування економічного стану окремої компанії; під час торгів на ринку акцій в режимі реального часу. Апробація результатів дисертації. Деякі положення й результати роботи дисертації доповідались та опубліковані у матеріалах XV наукової конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг - ПМК-2022» ( Київ 16-17 листопада 2022 року). Публікації. Результати дослідження, викладені в одному з розділів дисертації, представлені в науковій праці: тези «Порівняльний аналіз підходів і методів оцінювання емоційного забарвлення фінансової інформації про поточний стан підприємства» на XV конференції ім. магістрантів та аспірантів «Прикладна математика та обчислювальна техніка – ПМК-2022».
Відкритий доступ
Математичне та програмне забезпечення системи купівлі / продажу електроенергії в рамках низьковольтних енергомереж
(КПІ ім. Ігоря Сікорського, 2023) Бірук, Станіслав Володимирович; Чертов, Олег Романович
Дисертацію виконано на 84 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 47 найменувань. У роботі наведено 32 рис. та 8 таблиць. Актуальність теми полягає в тому, що впровадження потужностей відновлюваної енергетики в повсякденне життя людини дозволить розподілити навантаження на централізовану мережу передачі електроенергії та зменшити частку використання електроенергії від теплових електростанцій, які негативно впливають на навколишнє середовище. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Метою дослідження є оптимізація процесу купівлі / продажу електроенергії з метою зменшення періоду повернення інвестицій, які були залучені при встановленні технічних засобів для генерації та збереження відновлюваної енергії. Для досягнення вказаної мети було розв’язано такі задачі: − розглянуто існуючі рішення управління нелінійними та складними системами, зокрема, навчання з підкріпленням, управління з передбаченням поведінки моделі; − розроблено компонентне та динамічне представлення низьковольтної енергомережі; − розроблено програмне забезпечення для мультиагентної системи, що здійснює купівлю / продаж електроенергії. Об’єктом дослідження є гібридна енергетична система, низьковольтна енергомережа та її складові, системи керування мікромережами: HOMER, HYBRID2 та RETScreen. Поняття арбітражу на ринку електроенергії, процеси виробництва, перетворення та зберігання енергії в межах гібридної системи. Підходи та методи управління нелінійними та складними системами: навчання з підкріпленням; нечітке логічне управління та управління з передбаченням поведінки моделі. Предмет дослідження: математичне та програмне забезпечення системи купівлі / продажу електроенергії, в основу яких покладені моделі та алгоритми навчання з підкріпленням, що здійснюють арбітраж виробництва та споживання електроенергії. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи машинного навчання, навчання з підкріпленням, управління з передбаченням поведінки моделі, моделювання, проектування систем Data Science, методи теорії алгоритмів та програмування, методи аналізу даних та математичної статистики. Наукова новизна одержаних результатів роботи. Вперше в рамках єдиної мультиагентної системи прийняття рішень з купівлі/продажу електроенергії були поєднані симулювання роботи накопичувача електроенергії через модель Дойл-Фуллер-Ньюмана і обробка реальних даних про сонячне випромінення, метеорологічні показники, споживання електроенергії та її вартість, що дозволяє приймати обґрунтовані рішення з планування роботи мікромережі для зменшення рахунків за електроенергію. Практичне значення одержаних результатів. Завдяки запропонованому математичному і програмному представленні системи купівлі / продажу електроенергії можна зменшити рахунок за електроенергію. Додатково з’являється можливість дослідити вплив постійного розрядження та зарядження накопичувача електроенергії на термін його служби. Апробація результатів дисертації. Основні положення та результати роботи представлено та опубліковано на конференції ПМК 2022 (Прикладна Математика та Комп’ютинг). Публікації. Результати дисертації викладено у науковій праці: тези «Математичне та програмне забезпечення системи купівлі / продажу електроенергії потужностей відновлюваної енергетики» на XV конференції молодих вчених «Прикладна математика та комп’ютинг - ПМК’2022»
Відкритий доступ
Математичне та програмне забезпечення системи наближеного розв’язання матричних диференціальних рівнянь в аналітичному вигляді
(КПІ ім. Ігоря Сікорського, 2023) Герасименко, Владислав Русланович; Лось, Валерій Миколайович
Дисертацію виконано на 102 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 9 найменувань. У роботі наведено 33 рисунки та 10 таблиць. Актуальність теми. Добре відомо, що диференціальні рівняння, а зокрема системи таких рівнянь, представляють собою надважливий клас задач, які виникають у різних розділах науки та у прикладних задачах багатьох сфер промисловості, у тому числі і військової. Існує велика кількість чисельних та точних методів для розв’язання задач, пов’язаних з диференціальними рівняннями, в тому числі і для знаходження розв’язку задачі Коші для системи з m диференціальних рівнянь. Одним з таких методів є ітеративна процедура Пікара, яка є наближеним методом, тобто таким методом, що надає розв’язок у аналітичному вигляді. На жаль, застосування цього, та інших наближених методів, як правило, обмежується ілюстративними прикладами в рамках курсів чисельних методів, адже його реалізація на практиці, і тим паче на ЕОМ, є значно ускладненою необхідністю багаторазового інтегрування потенційно неполіноміальних функцій, з цієї причини наближені методи, і зокрема метод Пікара, майже ніколи не імплементуються програмно. Саме тому розробка нових та удосконалення існуючих наближених методів для їх застосування на ЕОМ є дуже актуальною проблемою на сьогодні. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного апарату та програмного забезпечення для наближеного розв’язання матричних диференціальних рівнянь у аналітичному вигляді. Для досягнення вказаної мети було розв’язано такі задачі: - систематизувати існуючі методи розв’язання задачі Коші для систем звичайних диференціальних рівнянь першого порядку; - модифікувати метод Пікара послідовних наближень для його застосування на ЕОМ, довести збіжність такої модифікації, оцінити похибку; - спроектувати систему розв’язання матричних диференціальних рівнянь за допомогою даної модифікації на ЕОМ; - здійснити програмну реалізацію розробленої системи, провести її тестування; - провести експериментальні дослідження. Об’єктом дослідження є наближені методи знаходження розв’язку систем звичайних диференціальних рівнянь. Предметом дослідження є алгоритми методів наближеного знаходження розв’язку систем диференціальних рівнянь із заданими початковими умовами у аналітичному вигляді. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи дійсного та функціонального аналізу (для розробки модифікації методу Пікара); методи оптимізації (для чисельного знаходження оцінки похибки); методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів); методи теорії диференціальних рівнянь (для розробки математичного апарату та для проведення експериментів). Наукова новизна одержаних результатів складається з таких положень: - уперше представлено модифікацію методу Пікара та доведено її збіжність, яка, на відміну від існуючих, передбачає заміну підінтегральних функцій першими членами їх рядів Тейлора, що дає змогу спростити обчислення і реалізувати програмно цей метод на ЕОМ; - удосконалено програмну реалізацію методу Пікара, яка, на відміну від існуючих, опирається на інтегрування виключно поліномів з натуральними степенями, що дає змогу реалізувати цей метод без необхідності імплементації алгоритмів символьного інтегрування чи диференціювання, адже інтегрування поліномів є, відносно, простою операцією; - удосконалено процедуру оцінки похибки для методу Пікара, яка відрізняються від існуючих тим, що вона опирається на чисельні методи оптимізації, що дає можливість застосовувати емпіричні методи оптимізації, які є алгоритмічно простими. Практичне значення одержаних результатів. На основі запропонованої модифікації методу Пікара, побудовано веб-застосунок для наближеного розв’язання систем звичайних диференціальних рівнянь першого порядку. Апробація результатів дисертації. Основні положення й результати роботи представлено та опубліковано на конференції ПМК 2022. Публікації. - Лось В.М., Герасименко В.Р., Копичко С.М. (2022). Модифікований метод ітерацій для систем диференціальних рівнянь. ПМК-2022.
Відкритий доступ
Математичне та програмне забезпечення системи прогнозування захворювання людини на діабет II типу
(КПІ ім. Ігоря Сікорського, 2023) Городецький, Дмитро Сергійович; Бай, Юлія Петрівна
Дисертацію виконано на 110 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 27 найменувань. У роботі наведено 36 рисунків та 11 таблиць. Актуальність теми. Сьогодні діабет є однією з найбільш поширених хвороб у світі та в Україні. Кількість хворих на діабет швидко зростає з кожним роком. Ця хвороба має багато важких ускладнень, які можуть загрожувати життю людини, зокрема інсульт, інфаркт, ретинопатія, навіть ампутації кінцівок. Лікування хворих на діабет, втрата працездатних людей, утримання інвалідів завдають також значної шкоди економіці країни. Загальні втрати економіки можуть сягати десятків мільярдів гривень або приблизно 1-2.5% ВВП. Окрім того, значна кількість хворих на діабет є не діагностованими, що збільшує ймовірність виникнення ускладнень. Саме тому дуже актуальним є розроблення та використання оптимальних методів прогнозування захворювання на діабет. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка математичного та програмного забезпечення системи прогнозування ризику захворювання на діабет, що допоможе виявити групи людей з ризиком виникнення діабету, а також оптимізація та підвищення точності класифікації вже існуючих методів. Для досягнення вказаної мети було розв’язано такі задачі: − проаналізувати існуючі методи прогнозування захворювання на діабет; − розробити одиночні моделі машинного навчання для прогнозування захворювання на діабет; − проаналізувати та застосувати до розроблених моделей існуючі оптимізаційні методи; − розробити ансамблеву модель з використанням оптимізованих одиночних моделей; − провести експериментальні дослідження з використанням клінічних даних. Об’єктом дослідження є методи прогнозування захворювання на діабет. Предметом дослідження є застосування оптимізаційних методів до розроблених моделей, застосування ансамблів моделей. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи машинного навчання (для прогнозування захворювання на діабет); методи оптимізації (для оптимізації розроблених методів); методи теорії ймовірності та математичної статистики (для проведення експериментів та оцінки точності моделей) Наукова новизна одержаних результатів полягає в тому, що запропоновано використання ансамблю оптимізованих моделей для задачі прогнозування захворювання на діабет II типу. Практичне значення одержаних результатів полягає в тому, що розроблені моделі мають значущі результати і можуть бути використані в якості допоміжного застосунку при реальній діагностиці. Апробація результатів дисертації. Основні положення й результати роботи представлено на XV науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2022» (Київ, 16-18 листопада 2022 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено у науковій праці: тези «Математичне та програмне забезпечення системи прогнозування ризиків виникнення діабету» на XV конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2022».
Відкритий доступ
Mathematical software and computer program for the problem of clustering text articles
(КПІ ім. Ігоря Сікорського, 2023) Hamad Naser, J. H.; Tretynyk, Violeta Vikentiivna
The thesis is presented in 85 pages. It contains 2 appendix and bibliography of 19 references, 19 figures and 4 tables are given in the thesis, the presentation slides. Topic Relevance. As we know, today's world is digital, and many people use websites and the Internet and work online. They are looking for their favorite information on any website. Still, have we ever asked ourselves how this information is achieved in a concise time, with millions of pieces of information estimated for the phrase we have entered a reasonable result? In this work, we consider how to solve text classification problems using mathematical software and computer programs and how to determine, like phrases, you can. Provide as much information as possible, accurate or similar, without error or absence. This is done through a number of models and algorithms, each of which is described in detail below. Therefore, our thesis is on the problem of text classification through mathematics and software so that we can solve these problems or eliminate them to a large extent. Clustering text content is essential in extracting useful information online or from other text resources. The common task in text clustering is to process text in a multidimensional space and break up documents into groups, where each group contains similar documents. However, this strategy does not have a comprehensive view of people as a whole, since it cannot explain the main topic of each cluster. The use of semantic information may solve this problem, but it requires a clearly defined ontology or pre-marked gold standard. In this work, we present the thematic algorithm of the clustering of text documents. Given text, thematic terms are extracted and used to cluster documents in a probabilities structure. Purpose and objectives of the study: Clustering aims to identify different groups in the data set. Mathematical software and computer program for the problem of clustering text data to improve the quality and productivity of staff working with text documents. The basic idea of model-based clustering is to approximate the density of the mixture model data. The purpose of the work is to develop mathematical software and computer programs for clustering text articles to visualize objects and automatically detect groups of semantically similar documents among a given fixed set. The end result and purpose of the work: Mathematical software and computer programs for the task of clustering text articles to improve the quality and productivity of staff working with text documents. Object of research: Methods of clustering of text data, methods of Data mining, methods of selection of non-informative words: removal of stop words, stemming and casting of register. Methods for selecting keywords and classifying results: dictionary, statistical, TF-IDF measure, F – measure. Subject of research: Algorithm of realization of division into clusters of text articles. Models of verification (adequacy verification) of the algorithm. Comparative analysis of clustering algorithms for text articles on mathematical and software. Connection of work with scientific programs, plans and topics: The work was carried out at the Department of Applied Mathematics of the National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute “within the topic “Mathematical software and computer program for the problem of clustering text article. Methods of research: The following methods were used to solve this problem: methods of the theory of systems analysis, systems engineering, modeling, Data Science systems design, natural language processing, methods of mathematical statistics, classical data analysis, machine learning, big data theory methods, data visualization and methods of clustering. Scientific novelty: New scientific results are presented in developing and implementing text classification methods and finding problems. In this regard, we are trying to make it easier for the user to get a lot of subjects and to recognize words and classify them to the most meanings so that we can get a lot of results and accurate fulfillment, and that's through it. Mathematical software and computer programs are performed using device study algorithms and creating a suitable system. The practical value of obtained results: This system that we have developed is significant in the field of online or the Internet. We have undertaken to solve the problems that face text classification. This system can be used for the search process, finding similar phrases, solving stopping problems, and finding the best results in the shortest time, and what is essential is that it saves you time. This system recognizes and provides the results as soon as possible. This is recognized by the system and provides the results with the most results, which we are trying to do here on: Mathematical software and computer program for the problem of clustering text articles. Approbation of the thesis results: Publications: V. Tretynyk, Naser J. Hamad SYSTEM OF CLASTERIZATION OF ARABIC PAPERS // Прикладнаматематика та комп’ютинг. ПМК, 2022 :п’ятнадцятанаук. конф. магістрантів та аспірантів, Київ 16-18 лист. 2022: зб. тез доп. / [редкол.: Дичка І. та ін.]. – К. : Просвіта, 2022. – с. 180-186.
Відкритий доступ
Методи побудови гладких тривимірних поверхонь на основі диференціальних рівнянь теорії пружності
(КПІ ім. Ігоря Сікорського, 2024) Тимошенко, Дар’я Андріївна; Бай, Юлія Петрівна
Дисертацію виконано на 85 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 23 найменувань. У роботі наведено 37 рисунків та 8 таблиць. Актуальність теми. Задача побудови тривимірних гладких поверхонь є вкрай важливою для моделювання багатьох реальних об’єктів, представлених дискретними наборами даних, а також для апроксимації довільних тривимірних даних у медичній, геодезичній, хімічній, інженерній та багатьох інших галузях. Розробці методів побудови наближених поверхонь за вхідними дискретними даними присвячена велика кількість наукових публікацій. Серед найбільш широко використовуваних методів в цьому напрямку – метод природних сусідів, метод обернено зважених відстаней, метод бікубічної сплайн інтерполяції, метод тріангуляції та інші. Роботи останніх років присвячені пошуку нових методів побудови тривимірних поверхонь, де основна увага приділяється отриманню саме гладких поверхонь. Одним із варіантів забезпечення гладкості поверхні є використання диференціальних рівнянь теорії пружності при розробці відповідного математичного апарату. В даній роботі пропонується метод побудови гладкого контуру тривимірної поверхні та методика розрахунку проміжних значень поверхні між контурними лініями. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є розробка чисельного методу для побудови гладких тривимірних поверхонь із застосуванням скінченно-елементного методу узгоджених перерізів для побудови контурів поверхонь, а також розрахунок значень поверхонь в точках між контурними лініями. Окремою задачею є перевірка точності запропонованого методу та його меж застосування до поверхонь різних типів. Об’єктом дослідження є тривимірні гладкі поверхні, що будуються на основі просторових точкових даних. Предметом дослідження є методи побудови тривимірних сплайнів, що ґрунтуються на рівняннях теорії пружних пластин, зокрема, методи побудови контурів поверхонь на основі скінченно-елементного методу узгоджених перерізів, методи розрахунку наближених значень поверхні між контурними лініями. Методи дослідження. Для розв’язання поставленої задачі використовувалися методи розбиття заданої області на скінченні елементи; метод узгодження скінченних елементів на основі умов неперервності функції переміщень та її похідних; чисельні методи розв’язання систем лінійних алгебраїчних рівнянь; методи побудови просторових кубічних сплайнів в заданій області на основі їх граничних значень. Наукова новизна одержаних результатів полягає в застосуванні скінченно-елементного методу узгоджених перерізів для побудови контуру гладкої поверхні та розробці методики для обчислення значень цієї поверхні між сусідніми контурними лініями. Практичне значення одержаних результатів. Перевага запропонованого підходу в порівнянні з іншими методами, відомими в науковій літературі, полягає в тому, що побудовані контурні лінії поверхні є гладкими функціями, значення поверхні можна розрахувати для довільної кількості проміжних точок без суттєвої втрати точності та швидкості. Апробація результатів дисертації. Основні положення і результати роботи були представлені та обговорювались на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ, 28-30 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено в 1 науковій праці: − у 1 публікації у тезах конференцій.
Відкритий доступ
Математичне та програмне забезпечення системи розпізнавання зображень об’єктів у відеопотоці
(КПІ ім. Ігоря Сікорського, 2024) Сліпченко, Максим Сергійович; Сирота, Сергій Вікторович
Дисертацію виконано на 80 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 17 найменувань. У роботі наведено 32 рисунки та 4 таблиці. Актуальність теми. Сучасний світ переживає епоху стрімкого розвитку технологій, зокрема в області штучного інтелекту. Одна з класичних задач цієї області – розпізнавання тексту на зображенні. Експериментуючи з підходами для рішення, фахівці зрозуміли, що комп’ютери можна навчити бачити набагато складніші речі. Сьогодні нейронні мережі дозволяють розпізнавати та класифікувати об’єкти не тільки на зображеннях, але і в режимі відео, аналізуючи та використовуючи інформацію з попередніх кадрів. Зараз це має своє застосування в багатьох сферах: медицина, автономна навігація, безпека. Неможна ігнорувати і ще одне застосування, що є дуже актуальним зараз для України. Моделі комп’ютерного зору зараз активно використовуються у воєнній сфері: як допоміжна функціональність під час повітряної розвідки, як допомога при наведенні або для виявлення цілі. Враховуючи великий об’єм даних, що потребується для створення якісної моделі розпізнавання об’єктів, задача створення програмного забезпечення для розпізнавання та автоматизації створення навчальних даних є актуальною. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дослідження є створення програмного забезпечення для розпізнавання зображень об’єктів на відео, зокрема на прикладі транспортних засобів, та реалізація технологічного процесу автоматизованого навчання моделі комп’ютерного зору. Для досягнення мети дослідження було розв’язано такі задачі: – провести огляд предметної області – представлення зображень та відео в комп’ютерних системах, опис базових відомостей про нейронні мережі; – здійснити аналіз та оцінку існуючих алгоритмів комп’ютерного зору; – сформувати навчальні дані та розробити програмне забезпечення системи розпізнавання зображень об’єктів; – обчислити метрики ефективності розробленого програмного забезпечення; – розробити технологічний процес автоматизації створення навчальних даних та оцінити ефективність використання автоматизації для розробки моделей комп’ютерного зору. Об’єктом дослідження є алгоритми та моделі для задач комп’ютерного зору, автоматизація процесів машинного навчання. Предметом дослідження є застосування згорткових нейронних мереж для розпізнавання та класифікації об’єктів на зображеннях та відео. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи кодування та декодування файлів зображень та відеофайлів (для коректного опрацювання вхідних даних), методи глибокого навчання для задач комп’ютерного зору, методи теорії алгоритмів та програмування (для розробки програмного забезпечення системи розпізнавання зображень об’єктів на відео потоці), методи автоматизації програмного забезпечення (для побудови технологічного процесу автоматизації створення навчальних даних). Наукова новизна одержаних результатів складається з таких положень: – удосконалено методи асоціації об’єктів між кадрами, які, на відміну від існуючих, реалізовані шляхом поєднання алгоритму розпізнавання YOLO та алгоритму групування SORT, що дає змогу ефективно виконувати поставлену задачу в режимі реального часу; – розроблено універсальний алгоритм автоматизації створення навчальної розмітки для моделей комп’ютерного зору, що дає можливість створювати подібні системи розпізнавання значно швидше. Практичне значення одержаних результатів. Розроблене програмне забезпечення можна використовувати для розпізнавання обʼєктів засобів транспорту на відеопотоці. Також розробка дозволяє суттєво пришвидшити навчання моделей комп’ютерного зору за умови, якщо навчальні дані ще не підготовлені. Також це дає простір для подальшої автоматизації, бо запропонованим підходом можна створювати навчальні датасети для різних моделей машинного навчання. Розробку можна використовувати напряму для створення моделі-тренера, яка буде надавати розмітку даних з необхідними класами для моделей комп’ютерного зору різного призначення. Апробація результатів дисертації. Основні положення й результати роботи представлено на Науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг ПМК 2023». Публікації. Результати дисертації викладено в 1 науковій праці: – у 1 публікації у тезах конференцій.
Відкритий доступ
Математичне та програмне забезпечення системи видалення артефактів з фотографій
(КПІ ім. Ігоря Сікорського, 2024) Юр'єва, Ксенія Геннадіївна; Вовк, Лілія Борисівна
Дисертацію виконано на 81 аркуші, вона містить 2 додатки та перелік посилань на використані джерела з 64 найменувань. У роботі наведено 16 рисунків та 5 таблиць. Актуальність теми. Багато фотографій мають різні артефакти, такі як шум, вибійки, ретуш, бліки тощо. Ці артефакти можуть псувати якість фотографій та вимагають виправлення. Великий обсяг наукових і технологічних досліджень у галузі обробки зображень і комп'ютерного зору робить можливим розвиток нових методів і програмного забезпечення для видалення цих артефактів. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Головною метою цього дослідження є розробка та аналіз методів, які використовують математичні алгоритми та програмне забезпечення для автоматичного видалення артефактів з фотографій. Метою є покращення якості фотографій і полегшення роботи фотографів і редакторів з обробки зображень. Задачі дослідження: a. Аналіз і огляд існуючих методів видалення артефактів з фотографій. b. Розробка математичного забезпечення для видалення артефактів. c. Реалізація програмного забезпечення на основі розроблених алгоритмів. d. Порівняння та оцінка результатів, отриманих за допомогою розробленого програмного забезпечення, з існуючими рішеннями. e. Формулювання рекомендацій для використання розробленого програмного забезпечення в фотографії та інших областях. Об’єктом дослідження є фотографії та методи їх обробки. Предметом дослідження є математичні та програмні методи видалення артефактів з фотографій, таких як шум, вибійки та інші дефекти. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи проектування систем Data Science, методи машинного та глибинного навчання, методи цифрової обробки сигналів та теорії прийняття рішень. Наукова новизна одержаних результатів складається з таких положень: - Дістав подальшого розвитку підхід до реставрації старих фотографій на основі глибинного навчання із використання тридоменного перетворення. Практичне значення одержаних результатів. Запропоновані модифікації підходу до видалення артефактів із старих фотографій дозволяє оброблювати та отримувати непогані результати навіть для нечітких знімків. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023» (Київ, 28-30 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації: Результати дисертації викладено в 1 науковій праці, у тому числі: - у тезах «Підхід до реставрації фотографій на основі глибокого навчання» на XVI конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023».
Відкритий доступ
Математичне моделювання деформування косого стику трубопроводу методом розʼєднання звʼязаних задач
(КПІ ім. Ігоря Сікорського, 2024) Юдін, Гліб Євгенович; Ориняк, Ігор Володимирович
Дисертацію виконано на 80 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 32 найменувань. У роботі наведено 13 рисунків та 2 таблиці. Актуальність теми. Трубопровідна інженерія є однією з важливих складових різних інженерно-промислових проєктів, оскільки проблема транспортування різних рідин і газів виникає доволі часто. Одним з невідʼємних елементів будь-якої трубопровідної системи є її згини: по-перше, організація процесу на заводах чи інших промислових обʼєктах рідко влаштована так, що речовини транспортуються від одного процесу до іншого за прямою лінією. І по-друге, згини дозволяють компенсувати температурні деформації та мінімізувати зміни тиску в трубопроводі. У той час як заводські згини (коліна) є дорогими та не завжди доступні в наявності, секторні зварні коліна (косі стики) є значно дешевшою та доступнішою альтернативою. Проблема полягає в тому, що наявні методи моделювання косих стиків є застарілими й неточними. Через відсутність коректного математичного апарату використання косих стиків часто заборонене різними стандартами. Це підкреслює важливість даної дослідницької роботи. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертаційної роботи є створення математичного та програмного забезпечення для моделювання напружено-деформованого стану косого стику трубопроводу при заданих параметрах трубопроводу (радіус, товщина стінки, кут повороту, матеріал) та початкових умовах (внутрішній тиск, згинальний момент). Для досягнення вказаної мети було розв’язано такі задачі: - ознайомитися з елементами теорії пластин та оболонок, дослідити наявні методи моделювання косого стику трубопроводу; - дослідити метод розʼєднання звʼязаних задач для розвʼязання системи диференціальних рівнянь різної природи; - дослідити узагальнений метод Гальоркіна для розвʼязання граничних умов; - розробити математичне та програмне забезпечення для моделювання напружено-деформованого стану косого стику трубопроводу; - порівняти отримані результати з теоретичними, зробити висновки про точність методу. Об’єктом дослідження є косий стик трубопроводу та повʼязані з ним математичні моделі: елементи теорії балок і оболонок (циліндричних і тороїдальних), методи фізики деформації твердого тіла, методи математичної фізики, метод скінченних елементів, теорія звичайних лінійних диференціальних рівнянь. Предметом дослідження є напружено-деформований стан косого стику трубопроводу при дії зовнішнього навантаження, а саме — вплив згинального моменту та внутрішнього тиску на різні фізичні величини для косого стику. Методи дослідження. Для розв’язання поставленої задачі використано метод розʼєднання звʼязаних задач та узагальнений метод Гальоркіна. Наукова новизна одержаних результатів складається з таких положень: - розроблено та досліджено метод розʼєднання звʼязаних задач для нескінченної циліндричної оболонки та для косого стику трубопроводу; - знайдено напіваналітичну форму залежності різних компонентів напружено-деформованого стану оболонки між собою; - розвʼязано задачу з нестандартною кількістю граничних умов за допомогою узагальненого методу Гальоркіна; - створено математичне та програмне забезпечення для моделювання напружено-деформованого стану косого стику трубопроводу для різних початкових умов. Практичне значення одержаних результатів. По-перше, використання отриманого математичного та програмного забезпечення для моделювання й проєктування реальних трубопровідних систем. По-друге, перевірка на коректність наявних стандартів у сфері використання трубопроводів шляхом порівняння з результатами, отриманими в цій роботі. По-третє, використання результатів, отриманих методом розʼєднання звʼязаних задач, для подальших задач теорії тонкостінних оболонок: наприклад, моделювання вібрацій циліндричної оболонки. Апробація результатів дисертації. Основні положення й результати роботи представлено на Міжнародній науковій конференції «Сучасні проблеми механіки та математики — 2023» (2023 р., Львів, Україна). Публікації. Результати дисертації викладено в 4 наукових працях, у тому числі: - у 2 статтях у наукових журналах, включених до переліку журналів, що індексуються в Scopus; - в 1 статті у науковому журналі, включеному до Переліку наукових фахових видань України з технічних наук; - в 1 публікації у працях і тезах доповідей міжнародних наукових конференцій.
Відкритий доступ
Математичне та програмне забезпечення системи аналізу відтоку клієнтів
(КПІ ім. Ігоря Сікорського, 2024) Сафонов, Артур Валерійович; Третиник, Віолета Вікентіївна
Дисертацію виконано на 135 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 42 найменувань. У роботі наведено 45 рисунків та 10 таблиць. Актуальність теми. Проектування системи для аналізу відтоку клієнтів з використанням методів машинного навчання є дуже актуальною задачею в сучасному бізнес-середовищі. У сучасному світі конкуренція між компаніями росте, і залучення нових клієнтів стає дорожчим та складнішим завданням. Однак важливим аспектом підтримання прибутковості є збереження існуючих клієнтів. Зменшення відтоку клієнтів стало однією з ключових цілей для багатьох компаній, оскільки втрата клієнтів може призвести до значного зниження доходів та втрати ринкової частки. З використанням системи для аналізу відтоку клієнтів, побудованої на основі методів машинного навчання, компанії можуть: • Прогнозувати відтік клієнтів: Аналізуючи історичні дані та поведінку клієнтів, система може передбачити, які клієнти можуть ризикувати відтоком, і вчасно приймати заходи для їх утримання. • Покращувати сервіс та персоналізацію: Збір та аналіз даних про клієнтів дозволяє компаніям краще розуміти їхні потреби і надавати персоналізований сервіс. • Розробляти маркетингові стратегії: Система може допомогти визначити ефективні маркетингові стратегії для збереження клієнтів та виведення їхнього життєвого циклу. • Вдосконалювати продукти та послуги: Аналіз відтоку дозволяє ідентифікувати слабкі місця у продуктах або послугах, які можуть призводити до втрати клієнтів, і вдосконалювати їх. • Збільшувати прибутковість: Зменшення відтоку клієнтів може призвести до збільшення прибутків компанії без необхідності постійно привласнювати нових клієнтів. Отже, аналіз та прогнозування відтоку клієнтів з використанням методів машинного навчання стає важливим інструментом для підтримки стабільного та прибуткового розвитку бізнесу в сучасних умовах. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Мета дослідження "Система для аналізу відтоку клієнтів з використанням методів машинного навчання " полягає в розробці і реалізації інтелектуальної системи, яка спроможна аналізувати та прогнозувати відтік клієнтів у компанії з використанням методів машинного навчання. Основні задачі дослідження можуть включати: 1. Збір та підготовка даних: Збір та обробка історичних даних про клієнтів, їхню активність та відтік. Це включає в себе структурування даних, обробку відсутніх значень та їх підготовку для подальшого аналізу. 2. Вибір методів машинного навчання: Визначення найбільш підходящих методів машинного навчання для завдання аналізу відтоку. Це може включати класифікаційні моделі, класичні методи аналізу даних, або нейронні мережі. 3. Розробка та навчання моделей: Створення та навчання моделей на підготовлених даних для прогнозування відтоку клієнтів. Це може включати в себе оптимізацію гіперпараметрів та забезпечення вищої точності прогнозування. 4. Тестування та ефективність моделей: Проведення тестів на окремому наборі даних для оцінки точності та ефективності моделей. Визначення метрик, таких як точність, чутливість та специфічність. 5. Впровадження системи в бізнес-процес: Інтеграція розробленої системи в робочий процес компанії з метою моніторингу та управління відтоком клієнтів. 6. Моніторинг та оптимізація: Постійний моніторинг роботи системи та її оптимізація для покращення точності прогнозування та зменшення відтоку клієнтів. 7. Звітність і візуалізація результатів: Підготовка звітів та візуалізація результатів для команди компанії, що допомагає приймати ефективні рішення щодо зменшення відтоку. Об’єктом досліджень є клієнтська база компанії, історичні дані про клієнтів, методи машинного навчання, аналіз даних, моделі прогнозування відтоку клієнтів, існуючі реалізації систем аналізу відтоку клієнтів. Предметом досліджень є розробка математичної та програмної системи для аналізу відтоку клієнтів на основі методів машинного навчання (створення та оптимізація моделей, інтеграція зі структурами компанії). Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: аналіз літератури та попередніх досліджень, кореляційний аналіз, машинне навчання, системний аналіз. Наукова новизна одержаних результатів складається з таких положень: – комплексний підхід до визначення відтоку: Удосконалено методологію аналізу відтоку, інтегруючи не лише фінансові показники, але і поведінкові метрики клієнтів; – використання високоточних методів машинного навчання: Вперше застосовано алгоритм FastForest для прогнозування відтоку клієнтів в системі. Це дозволяє досягти високої точності в результатах; – розробка методів для діагностики та відлагодження моделі. Розроблена система здатна працювати в реальному часі, що є важливим кроком у практичному впровадженні систем аналізу відтоку клієнтів. Практичне значення одержаних результатів. Результати даного дослідження мають виражене практичне значення та можуть бути використані в ряді напрямів: – оптимізація бізнес-процесів. Система аналізу відтоку клієнтів може стати незамінним інструментом для маркетингових відділів компаній різних галузей. Це дозволить прогнозувати можливий відтік клієнтів та своєчасно реагувати на цю інформацію; – підвищення конкурентоспроможності. Застосування методів машинного навчання для аналізу клієнтських даних є трендом сучасності, і компанії, які це роблять, отримують конкурентну перевагу; – персоналізація маркетингових кампаній. За допомогою розробленої системи можна сегментувати клієнтів на основі їхньої «схильності» до відтоку, що дозволяє проводити більш цільові маркетингові кампанії; – економія ресурсів. За допомогою прогнозування відтоку можна значною мірою зекономити ресурси, які би інакше були витрачені на залучення нових клієнтів; – скорочення фінансових втрат. Проактивне управління відтоком клієнтів може зменшити фінансові втрати та підвищити прибутковість бізнесу. Апробація результатів дисертації. Основні положення й результати роботи представлено на шістнадцятій науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2023 (Київ, 28-30 листопада 2023 р.) Публікації. Результати дисертації викладено в 1 науковій праці, у тому числі: − в 1 публікації у тезах доповідей конференцій.
Відкритий доступ
Математичне та програмне забезпечення системи аналізу якості питної води
(КПІ ім. Ігоря Сікорського, 2024) Чебан, Ростислав Сергійович; Лось, Валерій Миколайович
Дисертацію виконано на 84 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 20 найменувань. У роботі наведено 20 рисунків та 4 таблиці. Актуальність теми. Важливість питання якості питної води важко переоцінити від побутового до політичного рівня. Все частіше споживачів непокоїть питання безпеки вживаної питної води та кількості якісної питної води в джерелах і родовищах. На екологічних конференціях піднімаються питання про рівень якості питної води в Європі вже в 2030 році. Звісно, актуальності питання питної води в Україні додає підрив Каховської гідроелектростанції - військовий злочин і акт екоциду здійснений росією 6 червня 2023 року. Водосховище було джерелом води населених пунктів Запорізької, Херсонської і Дніпропетровської областей. За даними Укргідроенерго, внаслідок підриву греблі Україна втратила 35-40% запасів питної води. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета дослідження. Розробити систему оцінювання якості питної води для побутових користувачів, що вирішує такі задачі користувача: Аналіз якості питної води за встановленими критеріями; Вибір найкращого варіанту в залежності від категорії користувача; Прогнозування наслідків для здоров’я при неповному дослідженні складу води; Систематизувати та візуалізувати результати досліджень Мета і задачі дослідження. Перелік завдань, які потрібно розробити: Аналіз і порівняння існуючих методів аналізу якості питної води. Первинна обробка, очищення, data featuring, класифікація, тренування отриманих даних про дослідження питної води. Валідація системи аналізу якості питної води, оцінка ефективності розробленої системи. Розгортання і підтримка WEB-додатку з користувацьким інтерфейсом Об’єктом дослідження є характеристичні методи для хімічної оцінки речовини, література з хімії води, існуючі математичні методи аналізу якості питної води, системи методів аналізу якості питної води, установки обчислення аналізу якості питної води. Предметом дослідження є система аналізу для прогнозування та візуалізації споживчої оцінки якості питної води, на основі моделей електрохімії та хроматографії. Наукова новизна одержаних результатів складається з таких положень: – реалізовано систему прогнозування негативних наслідків для організму людини при неповному дослідженні питної води; – встановлено залежності між спрогнозованим кількісним складом питної води з негативними наслідками для організму людини при довготривалому вживанні питної води. Практичне значення одержаних результатів. Розроблене програмне забезпечення можна використовувати для прогнозування негативних наслідків для організму людини з ризикових груп населення під час довготривалому вживанні питної води. Апробація результатів дисертації. Основні положення й результати роботи представлено на Науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг ПМК 2023» Публікації. Результати дисертації викладено в 1 науковій праці: - у 1 публікації у тезах, включених до Переліку наукових фахових видань України з технічних наук
Відкритий доступ
Математичне та програмне забезпечення системи виявлення шахраїв серед покупців інтернет-магазину
(КПІ ім. Ігоря Сікорського, 2024) Чорненко, Юлія Сергіївна; Олефір, Олександр Степанович
Дисертацію виконано на 83 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 23 найменувань. У роботі наведено 26 рисунків та 1 таблицю. Актуальність теми. Тема "Математичне та програмне забезпечення системи виявлення шахраїв серед покупців інтренет-магазину" має велику актуальність у сучасному інтернет-торгівельному середовищі. З підвищенням популярності онлайн- шопінгу і зростанням обсягів онлайн-продажів з'являється також і більше можливостей для шахраїв і шахрайства. Класичні методи контролю та попередження шахрайства, такі як верифікація карток і антивірусні програми, не завжди ефективні. Отже, розробка системи розпізнавання шахраїв є важливою задачею для забезпечення безпеки та стабільності електронної комерції. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Головною метою дослідження є розробка системи, яка здатна ефективно розпізнавати потенційних шахраїв серед покупців інтернет- магазину. В основі системи нейронна мережа, яка повинна допомагати магазину мінімізувати втрати від невиплат та інших форм шахрайства, забезпечуючи при цьому зручність для легітимних покупців. Розробка ефективної системи розпізнавання шахраїв, яка допоможе виявляти та запобігати шахрайським діям в електронній комерції, зокрема в інтернет-магазинах. Для досягнення цієї основної мети можуть бути сформульовані наступні задачі дослідження: - зробити огляд предметної області, провести детальний аналіз існуючих стратегій та методів протидії шахрайським діям; - виконати огляд і аналіз інструментів та технологій, придатних для розробки обраного проекту, обрати відповідні технології; - здійснити розробку математичного і програмного забезпечення системи. Об’єктом дослідження є інтернет-магазин, що дає покупцям можливість оплатити товар після декількох тижнів використання, користувачі інтернет-магазину, які здійснюють замовлення, вводять дані своєї банківської карти та мають намір скористатися можливістю сплатити за товар після двох тижнів. Дослідження передбачає вивчення поведінки користувачів, які можуть намагатися обійти правила інтернет-магазину, шляхом введення неправдивих даних або блокування зняття коштів. Предметом дослідження є система, в основі якої нейронна мережа розпізнавання шахраїв серед користувачів інтернет-магазину, зокрема розробка програмного забезпечення на базі нейронної мережі. Дослідження спрямоване на виявлення потенційних шахраїв, які намагаються використати інтернет-магазин для шахрайства шляхом вводу неправдивих даних банківської карти або блокування зняття коштів з карти після двох тижнів користування. Методи дослідження. Для розв’язання поставленої задачі використовувалися такі методи: методи теорії системного аналізу, математичної статистики, системної інженерії, моделювання, проектування систем Data Science, класичного аналізу даних, машинного та глибинного навчання, методи теорії великих даних. Наукова новизна одержаних результатів. Вперше застосовано нейронну мережу для виявлення шахраїв серед покупців інтернет-магазину, що надає можливість оплати після певного пробного періоду користування товаром. Практичне значення одержаних результатів. Математичне та програмне забезпечення системи, розроблене в цій роботі продемонструвало гарні результати та може бути запроваджене для виявлення шахраїв серед покупців інтернет-магазинів. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023» (Київ, 28-30 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено в 1 науковій праці: - 1 публікація у тезах конференцій.
Відкритий доступ
Інтелектуальна система розпізнавання статі людини за зображенням обличчя
(КПІ ім. Ігоря Сікорського, 2024) Лозко, Олександр Олексійович; Третиник, Віолета Вікентіївна
Дисертацію виконано на 82 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 15 найменувань. У роботі наведено 21 рисунок та 2 таблиці. Актуальність теми. Тема "Інтелектуальна система розпізнавання статі людини за зображенням обличчя" має велику актуальність в сучасному світі з різних перспектив. Системи розпізнавання статі можуть впливати на безпеку та контроль доступу, допомагати в рекламі та маркетингу для точного визначення цільової аудиторії, а також враховувати різницю між жінками та чоловіками в медичних дослідженнях. Використання цих технологій може також оптимізувати роботу в різних галузях, покращуючи ефективність та забезпечуючи ефективніше обслуговування клієнтів. Однак разом із тим виникають питання етики та конфіденційності, що вимагає виваженого підходу до розробки та впровадження таких систем. Розвиток цієї технології вносить свій внесок у сферу штучного інтелекту, розширюючи можливості комп'ютерного зорового сприйняття та глибокого навчання. Таким чином, тема розпізнавання статі за зображенням обличчя важлива як з точки зору практичних застосувань, так і з точки зору наукового розвитку. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри прикладної математики Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Основною метою цього дослідження є вивчення та вдосконалення алгоритмів розпізнавання статі на основі зображень обличчя з метою досягнення високої точності та ефективності. Для досягнення цієї основної мети можуть бути сформульовані наступні задачі дослідження: - Збір та підготовка даних: Здійснення комплексного процесу збору та підготовки даних для подальшого використання у дослідженні. Це включає в себе вибір та накопичення наборів фотографій обличчя, а також їх анотацію з вказанням статі. Дані повинні бути репрезентативними та різноманітними, щоб система розпізнавання була адаптована до різних типів зображень та враховувала різноманіття особових характеристик. - Огляд існуючих рішень: Проведення аналізу наявних підходів та технологій у галузі розпізнавання статі за зображенням обличчя. - Вдосконалення алгоритмів розпізнавання статі: Використовуючи зібрані дані та знання про існуючі рішення, вдосконалення найкращих алгоритмів розпізнавання статі на базі штучного інтелекту. Основна мета - досягнення точності та швидкодії, а також адаптація до різноманітних умов та контекстів. - Валідація розпізнавання статі: Проведення експериментів та оцінка ефективності розробленої системи на реальних даних, порівняння результатів з наявними розробками та стандартами. Об’єкт дослідження. Об’єктом дослідження є технології розпізнавання обличчя, зосереджені на визначенні статевих особливостей осіб на зображеннях. Предмет дослідження. Предметом дослідження є моделі розпізнавання, спрямовані на точне визначення статі особи за її обличчям на фотографіях зроблені на мобільний телефон. Методи дослідження. Дослідження базувалося на використанні різноманітних методів машинного навчання для вирішення завдання бінарної класифікації статі людини за зображенням обличчя. Зокрема, порівнювались результати використання методів, таких як Logistic Regression та Decision Tree, із запропонованим підходом на основі архітектури VOLO. Досліджено ефективність та порівняно характеристики кожного методу з точки зору точності, Recall, Precision та F1-мери. Наукова новизна одержаних результатів. Отримані результати підтверджують високу ефективність та переваги запропонованого підходу, зокрема, архітектури VOLO, порівняно із традиційними методами Logistic Regression та Decision Tree. Застосування моделі VOLO показало значущий прогрес у розпізнаванні статі за зображенням обличчя, що вказує на його великий потенціал у практичних застосуваннях. Практичне значення одержаних результатів. Отримані результати мають важливе практичне застосування в сферах безпеки, відеоспостереження, психологічних та маркетингових досліджень. Застосування моделі VOLO та порівняння із традиційними методами надають нові можливості для розробки високоефективних та точних систем розпізнавання статі на зображеннях обличчя. Апробація результатів дисертації. Основні положення й результати роботи представлено на XVІ науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг – ПМК-2023» (Київ, 28-30 листопада 2023 р.) та опубліковані у збірнику тез за результатами конференції. Публікації. Результати дисертації викладено в 1 науковій праці: - 1 публікація у тезах конференцій.

Переглянути

Нові надходження