Магістерські роботи (ММАД)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Нові надходження
Документ Відкритий доступ Використання симпліціальної топології в глибокому навчанні для відновлення цілісності хмар точок(КПІ ім. Ігоря Сікорського, 2025) Кириленко, Павло Олександрович; Яворський, Олександр АндрійовичКваліфікаційна робота містить: 86 стор., 25 рисунки, 2 таблиць, 28 джерел. У цій магістерській роботі досліджується підхід до реконструкції тривимірних хмар точок із використанням методів глибокого навчання, доповнених інструментами симпліціальної аналізу. Проблема неповних або зашумлених сканів поширене явище у 3D-даних, зокрема з LIDAR-сканерів, де окремі ділянки можуть бути відсутні або спотворені. Більшість сучасних нейромережевих архітектур працюють з окремими точками або ребрами, і часто не враховують складні топологічні взаємозв'язки між поверхнями об'єктів. У роботі реалізовано архітектуру симпліціальних нейронних мереж (Simplicial Neural Networks, SNN), яка дозволяє моделювати взаємодію не лише між вершинами і ребрами, а й між трикутниками, що значно підвищує точність реконструкції. Для перевірки підходу було реалізовано чотири варіанти архітектур SNN (residual, gated, attention, hetero) та проведено серію експериментів на наборі даних ModelNet40. Оцінювання результатів здійснювалось за допомогою поширених метрик, таких як MSE, Chamfer, Hausdorff та F1-score.Документ Відкритий доступ Методи глибоко навчання та стереозору для детектування БПЛА(КПІ ім. Ігоря Сікорського, 2025) Колесник, Андрій Миколайович; Шелестов, Андрій ЮрійовичМагістерська дисертація містить 97 сторінки, 6 рисунків, 1 таблицю, 1 додаткок, 71 джерела. Зв’язок роботи з науковими програмами, планами, темами. Дисертацію виконано відповідно до плану науково-дослідних робіт кафедри математичного моделювання та аналізу даних Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою роботи є створення апаратнопрограмної системи для автоматичного виявлення БПЛА та визначення їхнього положення в просторі шляхом інтеграції алгоритмів об’єктної детекції та методів стереозору. Для досягнення мети було поставлено такі завдання: - провести огляд існуючих методів детекції дронів; - сформувати датасет, придатний для навчання детектора; - реалізувати модуль глибокої детекції на основі YOLOv8; - розробити стереосистему для оцінки глибини; - провести тестування системи на синтетичних і реальних даних; - оцінити ефективність роботи системи порівняно з існуючими відкритими реалізаціями; - апробувати систему на конференціях. Об’єкт дослідження – процес виявлення безпілотних літальних апаратів у повітряному просторі. Предмет дослідження – методи поєднання глибокого навчання та стереозору для детектування БПЛА та визначення їхнього просторового положення. Методи дослідження. В роботі застосовано методи машинного навчання, згорткові нейронні мережі (YOLOv8), геометричні методи триангуляції для розрахунку глибини, обробку зображень, а також експериментальні методи оцінки якості моделі. Наукова новизна одержаних результатів. Вперше реалізовано інтегровану систему, що поєднує глибоку нейронну детекцію з класичним стереозоровим вимірюванням для тривимірної локалізації дронів. Запропонований підхід забезпечує точне позиціонування цілі в просторі на основі лише пасивного відеопотоку без використання активних сенсорів. Практичне значення одержаних результатів. Розроблена система може бути впроваджена в охоронних, військових або промислових рішеннях для моніторингу повітряного простору. Попереднє тестування на полігоні засвідчило її ефективність при відстанях до 100 метрів. Програма реалізована на Python, придатна для запуску на стандартному комп’ютері з GPU. Апробація результатів. Результати дослідження були апробовані у вигляді наукової доповіді на XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених. Публікації. Опубліковано 1 наукову статтю в матеріалах конференції. У процесі підготовки – стаття у фаховому науковому журналі.Документ Відкритий доступ Аналіз математичних моделей для аналізу змін земного покриву за допомогою машинного навчання(КПІ ім. Ігоря Сікорського, 2025) Карабан, Артем Олексійович; Яйлимова, Ганна ОлексіївнаМагістерська дисертація містить 61 сторінок, 7 ілюстрацій, 2 таблиці та 17 літературних джерела. Актуальність: Моніторинг змін земного покриву є критично важливим завданням у сучасних екологічних, сільськогосподарських і кліматичних дослідженнях. Завдяки розвитку супутникових технологій, зокрема місій Sentinel-2, з’явилась можливість отримувати регулярні мультиспектральні знімки з високою деталізацією. Однак попри наявність великої кількості необроблених супутникових даних, анотовані набори, необхідні для навчання більшості моделей, залишаються обмеженими — особливо для повільних природних змін. У зв’язку з цим актуальним є пошук рішень, які дозволяють ефективно навчати моделі за умов браку міток і обмеженого обсягу даних. Мета даної роботи: провести експеримент та дослідити ефективність використання фізично обґрунтованих функцій втрат у задачі прогнозування змін земного покриву на основі супутникових мультиспектральних знімків за умов обмеженого обсягу даних та відсутності розмічених міток, а також оцінити здатність моделі узагальнювати результати на нові географічні регіони. Для досягнення мети було використано: ● Супутникові знімки Sentinel-2 з мультиспектральними каналами; ● Модель ConvLSTM Autoencoder для роботи з часовими просторовими послідовностями; ● Платформа Google Earth Engine (GEE); ● Google Colab, PyCharm та бібліотеки Python/ML для реалізації алгоритмів. Завдання: 1. Провести аналіз сучасних підходів до моделювання змін земного покриву із використанням супутникових знімків. 2. Обґрунтувати вибір архітектури моделі, здатної працювати з часовими послідовностями мультиспектральних даних. 3. Підібрати оптимальні спектральні канали Sentinel-2 для задачі прогнозу вегетаційної динаміки. 4. Реалізувати систему попередньої обробки знімків (маскування хмар, нормалізація, вирізка патчів). 5. Розробити функції втрат, включаючи класичну MSE, дифузійну та фізично обґрунтовану компоненти. 6. Побудувати та навчити модель ConvLSTM Autoencoder на вибраній території. 7. Провести серію експериментів з різними параметрами (зокрема коефіцієнтом дифузії D). 8. Оцінити якість моделей на даних з інших регіонів для перевірки здатності до узагальнення. 9. Проаналізувати результати, зробити висновки щодо ефективності підходу. Об’єкт дослідження: процес моделювання та прогнозування змін земного покриву на основі супутникових мультиспектральних знімків із використанням методів машинного навчання. Предмет дослідження: супутникові дані Sentinel-2 з просторовим розрізненням 10 м, технології хмарного супутникового моніторингу (Google Earth Engine) та методи глибинного навчання для виявлення змін. Методи досліджень: машинне навчання, методи обробки супутникових зображень, оптимізація функцій втрат, моделювання часових послідовностей, аналіз точності прогнозів, математична статистика. Практична цінність: отримані результати можуть бути використані для моніторингу змін земного покриву в регіонах з обмеженим обсягом розмічених даних, зокрема для оцінки стану лісів, аналізу екосистем, планування природоохоронних заходів та реагування на наслідки кліматичних і антропогенних впливів. Запропонований підхід дозволяє підвищити точність прогнозів без потреби у великій кількості міток, що робить його придатним для використання державними структурами, екологічними службами та в аграрному секторі.Документ Відкритий доступ Виявлення забруднення водойм за супутниковими даними iз застосуванням глибокого навчання(КПІ ім. Ігоря Сікорського, 2025) Коробан, Ольга Михайлiвна; Яйлимова, Ганна ОлексіївнаКвалiфiкацiйна робота мiстить: 47 стор., 27 рисунки, 0 таблиць, 7 джерел. Дана доповiдь, присвячена актуальному питанню розробки та застосування iнновацiйних методiв виявлення забруднення водних ресурсiв на основi аналiзу супутникових зображень iз залученням потужностi алгоритмiв глибокого навчання. Предметом нашого дослiдження є процес iдентифiкацiї екологiчного стану водойм за допомогою передових технологiй дистанцiйного зондування Землi. У фокусi нашої уваги перебуває застосування методiв глибокого навчання для iнтелектуальної обробки супутникових знiмкiв з метою точного та оперативного виявлення дiлянок забруднення. У межах проведеного дослiдження було здiйснено ретельний аналiз спектральних характеристик водного середовища. Зокрема, розглянуто можливостi використання рiзноманiтних спектральних iндексiв. Ключовим етапом роботи стала побудова та навчання згорткових нейронних мереж (CNN), архiтектура яких оптимально пристосована для аналiзу просторових даних, якими i є супутниковi зображення. Метою навчання було досягнення високої точностi у класифiкацiї стану рiзних дiлянок водойм – вiдносно чистих до забруднених. Для оцiнки ефективностi розробленої моделi було проведено її тестування на основi наявних супутникових даних Sentinel-2. Цi данi, завдяки своїй високiй просторовiй та часовiй роздiльнiй здатностi, є цiнним джерелом iнформацiї для монiторингу екологiчного стану водних об’єктiв. Результати тестування продемонстрували перспективнiсть застосування глибокого навчання для автоматизованого виявлення забруднень. Практична цiннiсть даної роботи полягає у створеннi дiєвого iнструменту, який може бути iнтегрований у системи екологічного монiторингу водойм. Запропонований пiдхiд дозволяє здiйснювати оперативне виявлення забруднених дiлянок, що є критично важливим для своєчасного реагування та прийняття обґрунтованих управлiнських рiшень з метою збереження та вiдновлення водних екосистем. Отриманi результати можуть бути корисними для екологiчних служб, органiв державної влади та мiсцевого самоврядування у їхнiй дiяльностi, спрямованiй на охорону довкiлля.Документ Відкритий доступ Багатокритеріальний геопросторовий аналіз інвестиційної привабливості сільських регіонів України з використанням ШІ(КПІ ім. Ігоря Сікорського, 2025) Дрозд, Софія Юріївна; Куссуль, Наталія МиколаївнаДана робота складається з 126 сторінки тексту, містить 22 ілюстрацію, 16 таблиць, 3 додатки, 69 джерел за переліком посилань. Актуальність теми обумовлена глибокими трансформаціями сільських територій України, спричиненими повномасштабною війною. Погіршення умов життя, зниження економічної активності в аграрному секторі та активна міграція населення, зокрема молоді, створюють серйозні виклики для відновлення цих регіонів. У таких умовах зовнішні інвестиції стають ключовим ресурсом для відновлення. Проте високі воєнні ризики та дефіцит об'єктивної інформації стримують інвесторів. Це зумовлює необхідність розробки сучасних інформаційних технологій, зокрема методів штучного інтелекту та геоінформаційних систем, для комплексної оцінки інвестиційної привабливості сільських територій. Дана робота виконана в межах проєктів Міністерства освіти і науки України «Інформаційні технології геопросторового аналізу розвитку сільських територій і громад» (РН/27-2023), Національного фонду досліджень України «Система геопросторового моніторингу впливу війни на сільське господарство України на основі супутникових даних» (2023.04/0039) та Horizon Europe «U_CAN – Ukraine towards Carbon Neutrality» (№ 101148374). Автор брав участь у зборі та обробці геопросторових даних, розробці моделей оцінки та підготовці наукових матеріалів. Метою даного дослідження є розробка методології та ряду геопросторових продуктів для оцінки інвестиційної привабливості сільських територій України з використанням супутникових даних та штучного інтелекту (ШІ), зокрема віртуальних експертів на основі великих мовних моделей (ВММ). Для досягнення поставленої мети були визначені такі завдання: 1) Проаналізувати наукову літературу та виокремити ключові критерії інвестиційної привабливості для сільських територій України. 2) Сформувати багаторівневу ієрархічну модель для оцінки інвестиційної привабливості сіл та підготувати релевантну геопросторову інформацію відповідно до обраних критеріїв. 3) Розробити опитувальну форму для експертів-людей, а також спеціалізовані промти для ШІ-керованих віртуальних експертів на основі ВММ з метою проведення експертного оцінювання та визначення вагових коефіцієнтів критеріїв. 4) Проаналізувати узгодженість і релевантність оцінок, наданих людьми та ВММ, а також оцінити потенціал використання ШІ як альтернативи людському експертному судженню. 5) Розробити серію тематичних карт для візуалізації просторових характеристик інвестиційної привабливості сіл за окремими критеріями та в цілому. 6) Здійснити узагальнений аналіз отриманих результатів і розробити веб-додаток для публікації створених геопросторових продуктів. Об’єктом дослідження є геопросторові моделі та методологічний комплекс для оцінки інвестиційної привабливості сіл України. Предмет дослідження – геопросторові характеристики, що визначають інвестиційну привабливість сільських територій України, методи їх інтеграції та зважування з урахуванням узгодженості людських та машинних експертних оцінок. Використані методи включають контент-аналіз наукових джерел, багатокритеріальний аналіз, метод аналізу ієрархій, експертне оцінювання, ранжування, геопросторове моделювання, картографічна візуалізація, методи машинного навчання (великі мовні моделі, промт-інженерія), кореляційний аналіз. Наукова новизна дослідження полягає в розробці оригінальної методології та створенні унікальних геопросторових продуктів, що комплексно відображають інвестиційний потенціал сільських територій України. Вперше для формування вагових коефіцієнтів у межах методу аналізу ієрархій була використана група віртуальних експертів на основі п’яти великих мовних моделей (ВММ) як альтернатива традиційному експертному опитуванню, що дозволило підвищити об’єктивність оцінювання, зменшити суб’єктивні упередження та пришвидшити процес аналізу. Апробація результатів відбулася на міжнародних конференціях IGARSS 2024, DESSERT 2023, DESSERT 2024, IGARSS 2025 (прийнято), Living Planet Symposium 2025 (прийнято), а також на XXIII Всеукраїнській науковопрактичній конференції студентів, аспірантів та молодих вчених. Матеріали опубліковано у міжнародних наукових виданнях та фахових виданнях України, зокрема в журналах European Journal of Remote Sensing, Космічна наука і технологія, Кібернетика та системний аналіз (прийнято).Документ Відкритий доступ Методи виявлення нафтових плям у морі із використанням попередньо навчених глибинних нейронних мереж на основі радарних даних(КПІ ім. Ігоря Сікорського, 2025) Кузін, Володимир Гамлетович; Шелестов, Андрій ЮрійовичДана робота складається з 72 сторiнок тексту, мiстить 9 iлюстрацiй, 4 таблицi, 1 додаток, 52 джерел за перелiком посилань. Актуальнiсть теми обумовлена необхiднiстю вдосконалення засобiв автоматизованого монiторингу нафтових розливiв у Свiтовому океанi. Такi забруднення становлять серйозну загрозу для морських екосистем i спричиняють вiдчутнi соцiально-економiчнi збитки для прибережних регiонiв. З огляду на обмежену доступнiсть розмiчених SAR-зображень, актуальним є використання методiв глибинного навчання з попереднiм навчанням моделей у поєднаннi зi спецiалiзованими алгоритмами попередньої обробки даних. У цьому контекстi особливий iнтерес становить застосування фундаментальних моделей, зокрема PRITHVI-EO-2.0, яка вже зарекомендувала себе як ефективний iнструмент у задачах семантичної сегментацiї та має значний потенцiал для виявлення нафтових забруднень на SAR-знiмках. Робота виконана у межах проєкту HORIZON Europe iMERMAID («Innovative solutions for Mediterranean Ecosystem Remediation via Monitoring and decontamination from Chemical Pollution»), що передбачає розробку ефективних цифрових рiшень для попередження, виявлення та монiторингу морського забруднення. Метою дослiдження є пiдвищення точностi та ефективностi автоматизованого виявлення нафтових розливiв у морi на основi супутникових зображень за допомогою трансферного навчання фундаментальної моделi PRITHVI-EO-2.0 на радарних даних. Для досягнення мети було визначено такi завдання: 1) Провести огляд сучасних математичних моделей та алгоритмiв виявлення нафтових розливiв за супутниковими знiмками, зокрема з використанням методiв глибокого навчання та семантичної сегментацiї; 2) Ознайомитись iз архiтектурою та принципами навчання моделi PRITHVI-EO-2.0 як прикладу фундаментальної моделi; 3) Сформувати датасет для задач сегментацiї SAR-зображень, з урахуванням класової незбалансованостi та геопросторової варiативностi; побудувати експериментальну вибiрку для дослiдження здатностi до генералiзацiї; 4) Розробити метод попередньої обробки SAR-зображень з метою покращення виявлення нафтових розливiв у задачах семантичної сегментацiї; 5) Розробити адаптивну модель семантичної сегментацiї на основi фундаментального енкодера PRITHVI-EO-2.0 для аналiзу радарних супутникових даних; 6) Провести кiлькiсну та вiзуальну оцiнку результатiв на основi релевантних метрик якостi (IoU, F1-score, точнiсть за класами тощо); 7) Провести порiвняльний аналiз ефективностi запропонованої моделi з базовими архiтектурами, такими як LinkNet. Об’єктом дослiдження є процес автоматизованого виявлення нафтових розливiв на основi супутникових зображень. Предметом дослiдження є застосування фундаментальної моделi PRITHVI-EO-2.0 та методiв передобробки для сегментацiї SAR-зображень у задачах екологiчного монiторингу. Методи дослiдження: методи аналiзу даних, методи машинного / глибокого навчання (семантична сегментацiя), методи комп’ютерного зору, трансферне навчання, методи обробки SAR-зображень, методи статистичної обробки при оцiнки якостi моделей, структурнi методи розпiзнавання образiв. Наукова новизна полягає у вдосконаленнi пiдходу до семантичної сегментацiї SAR-зображень шляхом застосування фундаментальної моделi PRITHVI-EO-2.0, попередньо натренованої на оптичних супутникових даних. Запропоновано адаптацiю цiєї моделi до радарного домену з використанням трансферного навчання та модифiкованих методiв передобробки зображень. Проведено систематичний аналiз впливу рiзних трансформацiй SAR-даних на результативнiсть моделi, що дозволило досягти високої якостi сегментацiї навiть в умовах обмеженого обсягу розмiчених даних. Апробацiя результатiв та публiкацiї. Отриманi результати дослiдження були представленi на XXIII Всеукраїнськiй науково-практичнiй конференцiї студентiв, аспiрантiв та молодих вчених «Теоретичнi i прикладнi проблеми фiзики, математики та iнформатики» (14–17 травня 2025 р., м. Київ). Результати, отриманi в межах даної роботи, також були апробованi на таких мiжнародних конференцiях: – 2024 IEEE 42nd International Conference on Electronics and Nanotechnology (ELNANO), 13–16 травня 2024 р., Київ, Україна; – International Symposium on Applied Geoinformatics (ISAG 2024), 9–10 травня 2024 р., Вроцлав, Польща; – 2024 IEEE 12th International Conference on Intelligent Systems (IS 2024), 29–31 серпня 2024 р., Варна, Болгарiя. Крiм того, за результатами дослiдження була пiдготовлена та опублiкована стаття у фаховому мiжнародному журналi: – ISPRS Open Journal of Photogrammetry and Remote SensingДокумент Відкритий доступ Спосіб підтримки вибору найкращої альтернативи лікування в клінічних випробуваннях хвороби Альцгеймера на основі критеріїв прийняття рішень в умовах невизначеності(КПІ ім. Ігоря Сікорського, 2025) Кухар, Богдан Вікторович; Терещенко, Іван МиколайовичКваліфікаційна робота містить: 76 стор., 9 рисунків, 7 таблиць та 21 джерел. Мета роботи полягає у розробці способу вибору оптимальної терапевтичної стратегії на основі клінічних даних з використанням математичних критеріїв прийняття рішень та статистичних моделей. Об’єктом дослідження є клінічні випробування препарату Xanomeline при лікуванні хвороби Альцгеймера, а предметом — методи прийняття рішень в умовах невизначеності та їхнє практичне застосування у медичній сфері. У роботі побудовано математичні моделі на основі нормалізованих медичних показників та реалізовано класичні критерії прийняття рішень: Гурвіца, Баєса-Лапласа, Севіджа, Ходжа–Лемана та BL(MM). Додатково розроблено адаптивні підходи до визначення параметрів моделей, що дозволило точніше враховувати клінічну варіабельність. Результати дослідження показали перевагу Xanomeline у низькому дозуванні як найбільш збалансованої терапевтичної альтернативи з точки зору ефективності та безпеки.Документ Відкритий доступ Сучасні методи глибинного навчання для сегментації земного покриву на основі часових рядів супутникових даних(КПІ ім. Ігоря Сікорського, 2025) Салій, Євгеній Валерійович; Лавренюк, Алла МиколаївнаДана робота складається з 68 сторiнок, мiстить 23 iлюстрацiї, 5 таблиць, 3 додаткiв, 29 посилання за перелiком посилань. Актуальнiсть теми. У зв’язку з глобальними клiматичними змiнами та соцiально-економiчними трансформацiями, зокрема внаслiдок збройної агресiї проти України, виникає нагальна потреба в сучасних iнструментах монiторингу та прогнозування змiн землекористування. Надзвичайно важливим є забезпечення точного аналiзу стану територiй для пiдтримки аграрного сектору та прийняття рiшень в умовах нестабiльностi. Цифровi двiйники, якi поєднують супутниковi данi, клiматичнi моделi та штучний iнтелект, стають перспективним засобом для розв’язання цiєї задачi. Їх застосування активно розвивається на мiжнародному рiвнi, зокрема в рамках iнiцiатив NASA та ЄС. Дослiдження iнтеграцiї фундаментальних моделей у цифровi двiйники є актуальним для України в контекстi мiжнародної наукової спiвпрацi. Зв’язок роботи з науковими програмами, планами, темами. Дисертацiя виконувалась у межах Україно-Швейцарського проєкту DT4LC “Розробка масштабованих цифрових моделей-двiйникiв для аналiзу змiн земного покриву за допомогою машинного навчання” (IZURZ2_224912). Автор дисертацiї брав участь у створеннi фреймворку цифрового двiйника, займається тестуванням фундаментальних моделей в рамках проєкту. Дисертацiя також включає матерiали, що були розробленi в рамках проєкту Horizon Europe SWiFTT “Satellites for Wilderness inspection and Forest Threat Tracking” (No.101082732). Автор дисертацiї займався розробкою методiв iнженерiї ознак та побудовою мап лiсiв для окремих країн Європи. Мета i задачi дослiдження. Метою роботи є визначення ефективностi фундаментальних геопросторових моделей для побудови мап землекористування на основi часових рядiв супутникових даних. Основнi задачi включають: огляд та аналiз сучасних фундаментальних моделей, пiдготовка даних, розробка моделей сегментацiї земного покриву на основi фундаментальних моделей, удосконалення методiв iнженерiї ознак та створення оптимальних наборiв ознак для покращення точностi прогнозування, порiвняння результатiв отриманих моделей з класичними пiдходами. Об’єкт дослiдження — сегментацiя земного покриву за допомогою моделей штучного iнтелекту. Предмет дослiдження — побудова моделей сегментацiї земного покриву на основi фундаментальних моделей штучного iнтелекту, включаючи пiдходи до препроцесiнгу даних та iнженерiї ознак. Методи дослiдження. У роботi були використанi методи машинного та глибинного навчання, комп’ютерного зору та обробки супутникових даних, методи iнженерiї ознак, аналiзу даних. Наукова новизна полягає у створеннi моделей сегментацiї земного покриву iз залученням новiтнiх фундаментальних моделей; удосконалено новiтнiй метод iнженерiї ознак для пiдтримки побудови оптимального набору ознак для задачi мультикласової класифiкацiї; створено новi мультимодальнi вегетацiйнi iндекси з використанням радарних та оптичних даних; створено метод стандартизацiї рiзнорiдних у часi даних. Практичне значення. Розробленi методи є основою для розробки цифрових двiйникiв для монiторингу змiн землекористування в Україно-Швейцарському проєктi DT4LC. Удосконалений метод iнженерiї ознак буде застосовано для вiдбору ознак для побудови мап лiсiв в проєктi Horizon Europe FutureFOR. Апробацiя результатiв та публiкацiї. Основнi положення дисертацiї були опублiкованi в: – System research and information technologies – Space research in Ukraine – Information and Communication Technologies and Sustainable Development – Journal of Selected Topics in Applied Earth Observations and Remote Sensing (отримано схвальний вiдгук, доопрацьовується) Та представленi на: – IEEE International Geoscience and Remote Sensing Symposium (Грецiя, 2024) – IEEE EUROCON 2023 (Iталiя, 2023) – IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems (проходить рецензування) (Польща, 2025) – XXIII Всеукраїнськiй науково-практичнiй конференцiї студентiв, аспiрантiв та молодих вчених (Україна, 2025) – EuroGEO Workshop (Польща, 2024)Документ Відкритий доступ Аналіз змін земного покрову за допомогою регіонально уточненої моделі GCAM для прогнозування екологічних впливів(КПІ ім. Ігоря Сікорського, 2025) Зібаров, Дмитро Владиславович; Шелестов, Андрій ЮрійовичДисертація містить 76 аркушів, 7 рисунки та 3 таблиці, 2 додатків та перелік посилань на використані джерела з 27 найменувань. Зв’язок роботи з науковими програмами, планами, темами. Дисертацію виконано відповідно до плану науково-дослідних робіт кафедри математичного моделювання та аналізу даних Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою дисертації є оцінка точності прогнозів змін земного покриву, що генеруються глобальною моделлю GCAM, при її застосуванні до регіональних умов України. Для досягнення поставленої мети були розв’язані такі задачі: • Ознайомлення з базовими принципами роботи моделі GCAM та сценарного прогнозування. • Проведення серії експериментальних запусків моделі для різних соціально-економічних сценаріїв. • Збір регіональних статистичних даних Держстату для проведення експериментів. • Порівняння результатів моделювання з фактичними статистичними спостереженнями за 2020 рік. Інтерполяція результатів моделювання за 2020 та 2025-і роки для порівняння з результатами класифікації Інституту Космічних Досліджень знімків супутнику Sentinel-2. • Аналіз похибок прогнозування і виявлення джерел розбіжностей. • Оцінка доцільності використання моделі GCAM у задачах регіонального прогнозування для України. Об’єкт дослідження. Процеси прогнозування змін земного покриву на основі інтегрованих глобальних моделей. Предмет дослідження. Адаптація і оцінка ефективності застосування глобальної моделі GCAM для моделювання змін земного покриву в умовах України. Методи дослідження. У роботі використано методи системного аналізу, сценарного моделювання, аналізу часових рядів, порівняльного аналізу прогнозних і фактичних статистичних даних, а також методи оцінки похибок прогнозування (зокрема розрахунок відносної середньої абсолютної похибки — MAPE). Наукова новизна одержаних результатів. Удосконалено підхід до валідації регіональних результатів моделювання на основі поєднання сценарних прогнозів і реальних статистичних даних. Глобальну модель GCAM адаптовано для території України. Практичне значення одержаних результатів. Оцінка ефективності використання моделі GCAM для регіонального прогнозування дозволяє визначити її потенційні обмеження та переваги у задачах планування землекористування, розробки екологічної політики й адаптації до змін клімату в Україні. Результати роботи можуть бути використані органами державної влади та місцевими громадами для подальшої розробки регіоналізованих версій глобальних моделей, удосконалення сценаріїв прогнозування. Апробація результатів дипломної роботи. Основні результати роботи було представлено на XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених. Публікації. За результатами дисертації підготовлено тези доповіді для участі у XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених.Документ Відкритий доступ Глибокі нейронні мережі як інструмент для вирішення задачі класифікації електронних листів(КПІ ім. Ігоря Сікорського, 2025) Гаврилова, Анастасія Володимирівна; Яйлимова, Ганна ОлексіївнаОбсяг роботи 101 сторінка, 21 ілюстрація, 2 таблиці, 11 додатків, 29 джерел літератури. У роботі проведено аналіз різних існуючих методів для класифікації електронних листів, виконана програмна реалізація власних систем для класифікації електронної пошти та веб-сторінок, оброблено результати роботи створених моделей. Метою та задачею роботи є розробка моделей класифікації електронних листів і веб-сторінок за категоріями «фішинг», «спам» і «безпечні» з використанням глибоких нейронних мереж. Об'єктом дослідження даної роботи є електронні листи та веб-сторінки. Предметом дослідження даної роботи є глибокі нейронні мережі, що можуть бути використані для класифікації електронних листів.Документ Відкритий доступ Оцінка викидів метану в Україні із використанням методів інверсійного моделювання(КПІ ім. Ігоря Сікорського, 2025) Бараніченко, Андрій Олександрович; Шелестов, Андрій ЮрійовичМагістерська дисертація містить 102 сторінки, 18 ілюстрацій, 1 таблицю та 49 літературних джерел. Актуальність дослідження: викиди метану є однією з ключових проблем сучасної кліматичної політики, оскільки даний парниковий газ суттєво впливає на радіаційний баланс Землі у короткостроковій перспективі. Україна, як учасниця міжнародних ініціатив із скорочення викидів, стикається з низкою викликів у точності оцінки джерел метану. Традиційні статистичні методи інвентаризації часто не враховують локальні просторові особливості, що призводить до розбіжностей між офіційними звітами та реальними обсягами викидів. Супутникові знімки відкривають нові можливості для моніторингу метану, проте їх використання вимагає подолання технічних і методологічних викликів. Впровадження сучасних інверсійних моделей, що опрацьовують супутникові дані, дозволяє отримати більш точні та оперативні оцінки викидів, що є критично важливим для розробки ефективних стратегій зменшення впливу метану на клімат. Мета роботи: провести аналіз та комплексне моделювання для оцінювання викидів метану в Україні на основі супутникових даних TROPOMI/Sentinel-5P та інверсійного моделювання з використанням моделі Integrated Methane Inversion (IMI). Завдання роботи: 1. Здійснити ґрунтовний аналіз предметної області та сучасних технологій супутникового моніторингу викидів метану. 2. Апробувати модель Integrated Methane Inversion (IMI) для території України та провести експерименти по моделюванню. 3. Виконати валідацію отриманих результатів шляхом порівняння зі статистичними даними та даними з незалежних джерел. 4. Проаналізувати отримані результати та узагальнити їх у висновках дослідження. Об’єкт дослідження: викиди метану на території України і можливості його оцінки за допомогою супутникових зображень та інверсійних моделей. Предмет дослідження: методи оцінки викидів метану з використанням супутникових даних та інверсійного моделювання, зокрема адаптація моделі Integrated Methane Inversion для аналізу просторово-часового розподілу джерел викидів. Методи дослідження: інверсійне моделювання, байєсівське інверсійне оцінювання, просторово-статистичний аналіз, кореляційний аналіз. Наукова новизна дослідження полягає у запропонованій та реалізованій для України комплексній оцінці викидів метану із застосуванням інверсійної моделі Integrated Methane Inversion (IMI) на основі супутникових даних TROPOMI, що дозволяє отримати просторово деталізовані та статистично оптимізовані оцінки потоків. Також було проведено валідацію результатів за зовнішніми датасетами, що забезпечує об’єктивне порівняння з офіційними інвентаризаціями. Практична значущість запропонованого підходу дозволяє підвищити точність та оперативність оцінки викидів метану на національному та регіональному рівнях, ідентифікувати осередки підвищених викидів, що має важливе значення для екологічної політики, планування заходів зі скорочення викидів та виконання міжнародних зобов’язань України. Апробація результатів дисертації. Отримані результати апробовано на XXIII Всеукраїнській науково-практичній конференції студентів, аспірантів та молодих вчених. Теоретичні i прикладні проблеми фізики, математики та інформатики. 14−17 травня 2025 р., м. Київ, Україна.Документ Відкритий доступ Математична модель рефлексивної взаємодії агентів в умовах інформаційного впливу(КПІ ім. Ігоря Сікорського, 2025) Горбачов, Дмитро Олександрович; Терещенко, Іван МиколайовичДисертацію виконано на 82 аркушах, вона містить 2 додатки та перелік посилань на використані джерела з 12 найменувань. У роботі наведено 44 рисунків та 1 таблиць. Актуальність теми. В сучасних реаліях суттєво загострився вплив на поведінку та думки різних прошарків суспільства через повітряні тривоги, наявності походів до укриттів, ситуації з працездатністю енергетичної системи тощо. В подібних ситуаціях страх як інстинкт самозбереження стає одним з головних факторів для прийняття рішення і тому інформованість стає важливим чинником, що впливає на дії, вчинки людей. Намагаючись знайти відповідь на певні питання щодо своєї безпеки, окрім внутрішнього уявлення, часто-густо керуються позицією оточення. Інші люди, їхні слова та вчинки можуть впливати на наш вибір, навмисно чи ні, навіть іноді до повної відмови вибирати. Саме тому актуальним є дослідження інформаційного впливу, моделей інформаційного керування та явища рефлексії. Розробка нових моделей, заснованих на рефлексивних іграх між цільвою аудиторією впливу й тими, хто його завдає є важливим з точки зору розуміння поведінок різних груп суспільства під час описаних екстрених, або не дуже ситуацій. Мета і задачі дослідження. Метою дослідження є створення універсальної математичної моделі поведінки груп суспільства в умовах інформаційного впливу, враховуючи емоційну складову їх поведінки. Для досягнення мети потрібно розв’язати задачу дослідження, яка полягає у визначенні набору функцій і параметрів, які відповідають дійсній ситуації. Для розв’язання задачі необхідно вирішити такі завдання: 1) опрацювання літературних джерел; 2) визначення початкових умов і параметрів моделі; 3) побудова математичної моделі; 4) програмна реалізація моделі; 5) проведення чисельного експерименту; 6) корегування параметрів моделі; 7) обробка результатів. Об’єктом дослідження є інформаціний вплив, який завдають активні агенти в умовах протистояння неповністю інформованим пасивним агентам у відповідній рефлексивній грі. Предметом дослідження є реакція пасивних агентів на інформаційний вплив, через яку вони поводять себе як активні агенти ще більше розповсюджуючи нав’язану інформацію. Методи дослідження. Для розв’язання поставленої задачі використовувалися наступні методи: методи загальної теорії ігор (для опису взаємодії агентів у моделі), методи теорії рефлексивних ігор (для опису інформованості і пояснення реакції агентів у моделі), методи теорії керування (для визначення методів інформаційного впливу), методи теорії алгоритмів та програмування (для програмної реалізації розроблених алгоритмів). Наукова новизна одержаних результатів удосконалено рефлексину модель взаємодії агентів в умовах інформаційного впливу, яка відрізняється від існуючих тим, що використовує інше функціональне представлення внутрішньої валюти. Практичне значення одержаних результатів. Розроблено математичне та програмне забезпечення рефлексивної моделі для симуляції поведінки агентів в умовах інформаційного впливу, що може бути використано для аналізу інформаційних процесів у суспільстві. Апробація результатів дисертації і публікації. Результати дисертації викладено у журналі Vol. 6 No. 1 (2024): Theoretical and Applied Cyber Security.Документ Відкритий доступ Математичнi методи корекцiї та оптимiзацiї вiзуального SLAM для автономної навiгацiї у динамiчних середовищах(КПІ ім. Ігоря Сікорського, 2025) Шевченко, Юлiя Олексiївна; Яйлимова, Ганна ОлексіївнаКвалiфiкацiйна робота мiстить: 138 стор., 3 рисунки, 3 таблицi, 61 джерело. У роботi розглядається задача пiдвищення точностi та адаптивностi алгоритмiв вiзуального SLAM (Simultaneous Localization and Mapping) для автономної навiгацiї мобiльних роботiв у динамiчних середовищах без використання дорогих сенсорiв, таких як LiDAR. Важливiсть дослiдження полягає в необхiдностi використання недорогих та надiйних автономних засобiв в нестабiльному середовищi, такому як пiд час руйнувань або в умовах обмеженої доступностi людських ресурсiв. У межах роботи реалiзовано апаратну платформу на базi Raspberry Pi з модулем камери та сервоприводами. Проведено аналiз i тестування низки математичних методiв: виявлення аномалiй з використанням PCA та автоенкодерiв, генерацiя та оновлення карти у Баєсовiй матрицi зайнятостi, шумостiйкiсть з використанням DWT та фiльтрiв Калмана i Вiнера, оптимiзацiя обчислень через графовi структури й KD-дерева тощо. Побудовано набiр вiзуальних даних, адаптований до умов реального середовища, розроблено програмну структуру для комбiнування модульних методiв i проведено експерименти з рiзними конфiгурацiями. Робота має практичну цiннiсть для створення систем автономної розвiдки, навiгацiї в руйнованих спорудах та iнспекцiї небезпечних об’єктiв.Документ Відкритий доступ Графовий аналіз зв’язності колоїдних гелів з клітинним домішком(КПІ ім. Ігоря Сікорського, 2025) Каюк, Ксенія Андріївна; Яворський, Олександр АндрійовичМагістерська дисертація викладена на 79 сторінках, містить 16 рисунків, 1 таблицю, 1 додаток, 16 джерел у списку посилань. Актуальність. У біомедичних дослідженнях, зокрема клітинній біології та тканинній інженерії, дедалі більшого значення набуває вивчення мікроструктурного оточення клітин, серед яких важливе місце займають колоїдні гелі. Ці середовища формують складні просторові матриці, що визначають як біофізичні властивості, так і поведінку клітин. Однією з ключових характеристик таких структур є зв’язність — міра того, наскільки фрагменти гелю утворюють єдину наскрізну мережу. Саме зв’язність визначає здатність гелю до перенесення механічних напружень, молекулярного транспорту та підтримки тривимірних культур. Дана робота виконувалась на замовлення компанії ТОВ «ПРЕССІ» в межах дослідницької ініціативи з розробки якісних підходів до оцінки гелевих і змішаних структур. Проблематика, а також експериментальні дані, були надані замовником. Робота пов’язана з напрямами науково-дослідних проєктів кафедри біомедичної інженерії, спрямованих на застосування методів комп’ютерного зору та графової теорії в аналізі біоматеріалів. Метою дисертації є розробка методів автоматизованого структурного аналізу зображень гелів з клітинним домішком, їх подальше графове моделювання та оцінка. Методи дослідження. адля досягнення мети було реалізовано двогілкову схему обробки зображень: одна гілка спрямована на сегментацію клітин, інша — на виявлення гелевої структури шляхом фільтрації та підсилення контрасту. Після цього результати обох гілок було об’єднано: клітини було видалено з зображення, і на очищеній структурі гелю виконано кластеризацію. На основі відслідкованих гелевих утворень будувався граф, де вузли відповідають центроїдам фрагментів, а ребра — просторовим зв’язкам із вагами, оберненими до відстані. Для аналізу отриманого графа було застосовано багаторівневий підхід, що поєднує топологічні, спектральні та гомологічні методи для оцінки структури та зв’язності гелевої матриці. Об’єктом дослідження є зображення колоїдного гелю з клітинними домішками, отримані за допомогою мікроскопу. Предметом дослідження є його просторово-структурна організація як графової мережі. Наукова новизна полягає у створенні комбінованої методології сегментації та графового моделювання гелевих структур з біоізображень. Вперше застосовано TDA до аналізу реальних гелевих структур, що дозволило виявити компоненти зв’язності, наявність локальних "хабів", зон ущільнення і перехідних фаз. Запропонована модель зберігає текстурну інформативність, передає фібрилярні структури і дозволяє точне відтворення топології гелю. Практичне значення дослідження полягає у створенні формалізованого підходу до опису просторової організації гелів, що може бути використаний для стандартизації морфометричних і біофізичних досліджень, створення біоматеріалів із прогнозованими властивостями та об’єктивного порівняння гелевих структур. Апробація. Робота була представлена на XXIII Науково-практичній конференції студентів, аспірантів та молодих вчених «Теоретичні і прикладні проблеми фізики, математики та інформатики», що відбувалась 13-15 травня 2025 року в місті Київ.Документ Відкритий доступ Графовий аналіз зв’язності незмішаних колоїдних гелів(КПІ ім. Ігоря Сікорського, 2025) Асєко-Нкілі, Андрій Мігельович; Яворський, Олександр АндрійовичМагістерська дисертація: 64 с., 10 рис., 2 табл., 13 джерел, 1 додаток. Актуальність дослідження. Сучасні методи аналізу мікроструктури демонструють обмеження при роботі з експериментальними даними через високу чутливість до шуму, потребу в ручному налаштуванні параметрів та неможливість кількісної оцінки топологічних властивостей. Актуальність посилюється зростанням обсягів даних від сучасних методів мікроскопії. У біомедичній сфері точна характеризація структури гелів визначає оптимізацію систем доставки ліків, створення біосумісних імплантатів та розробку матриксів для тканинної інженерії. Економічна актуальність підтверджується потенціалом оптимізації промислових процесів через покращений контроль структури колоїдних матеріалів. Об'єкт дослідження: методи структурного аналізу гелевих структур. Предмет дослідження: методи автоматизованого аналізу та графового моделювання структурних зв'язків зображень колоїдних гелів. Мета: розробка інтегрованого підходу для аналізу мікроструктури незмішаних колоїдних гелів, що поєднує передобробку зображень, адаптивну кластеризацію та графове моделювання структурних зв'язків. Завдання дослідження: 1. Аналіз наукової літератури з автоматизованого визначення фізичних властивостей колоїдних гелів 2. Розробка комплексного методу передобробки даних на основі багатовимірного простору ознак для сегментації зображень колоїдних гелів 3. Реалізація адаптивної кластеризації для автоматичного виділення структурних елементів гелю 4. Створення алгоритму побудови графової моделі структурних взаємозв'язків між компонентами гелю 5. Розробка методології спектрального аналізу отриманих графів для кількісної оцінки структурної організації 6. Дослідження впливу параметрів алгоритму на якість сегментації та характеристики отриманих графів 7. Експериментальна валідація запропонованого підходу на реальних зображеннях колоїдних гелів 8. Визначення кількісних індикаторів мікроструктурної організації, релевантних для оцінки механічних властивостей гелів Методи дослідження 1. Методи цифрової обробки зображень (оператори Собеля, лапласіан, локальна ентропія, unsharp mask) 2. Методи машинного навчання (кластеризація K-means) 3. Методи морфології зображень (дилатація, ерозія, операції відкриття та закриття) 4. Теорія графів (побудова графових моделей, обчислення метрик щільності, центральності, ступенів вершин, аналіз власних значень матриці Лапласа, обчислення алгебраїчної зв'язності, спектральної ентропії, ефективного опору) 5. Статистичні методи (оцінка якості сегментації за метриками Accuracy, Precision, Specificity) 6. Комп'ютерне моделювання (програмна реалізація алгоритмів, візуалізація результатів) Наукова новизна 1. Розробка комплексного підходу до автоматизованого аналізу мікроструктури колоїдних гелів, що інтегрує методи обробки зображень та спектральної теорії графів. 2. Формування багатовимірного простору ознак для характеризації гелевих структур, що поєднує варіацію лапласіана, локальну ентропію, градієнти Собеля та інші комплементарні оператори 3. Створення підходу до побудови морфологічного графа гелевої структури з подальшим спектральним аналізом 4. Застосування для колоїдних гелів методів теорії графів, включаючи аналіз власних значень матриці Лапласа, розрахунок ефективного опору між вузлами та обчислення спектральної ентропії 5. Інтеграція всіх розроблених компонентів, що забезпечує автоматизований перехід від піксельного представлення зображень до топологічної моделі Апробація результатів роботи та публікацій: Робота була представлена на XXIII Науково-практичній конференція студентів, аспірантів та молодих вчених «Теоретичні і прикладні проблеми фізики, математики та інформатики», що відбувалась 13-15 травня 2025 року в місті Київ.Документ Відкритий доступ Математичне та програмне забезпечення виявлення ознак меланоми на зображеннях шкіри(КПІ ім. Ігоря Сікорського, 2025) Двоєглазова, Софія Дмитрівна; Хайдуров, Владислав ВолодимировичМагістерську дисертацію роботу виконано на 75 аркушах, вона містить 2 додатки, 1 таблицю та перелік використаних джерел із 15 найменувань. У роботі наведено 8 рисунків. Розробка математичного та програмного забезпечення для виявлення ознак меланоми на зображеннях шкіри є актуальною науковою та практичною проблемою. Висока смертність від меланоми часто пов’язана з її пізнім виявленням, тому створення автоматизованих систем діагностики може суттєво покращити ситуацію. Основні труднощі полягають у точності розпізнавання патологічних змін шкіри, адаптивності алгоритмів до різних типів зображень та інтерпретації отриманих результатів. Ця робота спрямована на розробку методів комп’ютерного аналізу, що дозволяють виявляти характерні ознаки меланоми з високою точністю. Для цього необхідно використати сучасні алгоритми машинного навчання, нейронні мережі та методи обробки зображень. Метою даної роботи є розробка ефективної математичної та програмної моделі, здатної автоматично аналізувати цифрові зображення шкіри та виявляти ознаки меланоми на ранніх стадіях. Досягнення цієї мети передбачає: 1. Опрацювання математичних методів аналізу медичних зображень. 2. Використання технологій машинного навчання та нейронних мереж для автоматичного розпізнавання меланоми. 3. Створення програмного забезпечення, що дозволить медичним фахівцям більш точно діагностувати захворювання. 4. Проведення тестування розробленої моделі на реальних медичних даних. У межах роботи досліджуються: 1. Методи комп’ютерного зору для аналізу шкірних зображень. 2. Алгоритми глибокого навчання для класифікації новоутворень шкіри. 3. Вплив параметрів зображень на точність діагностики. 4. Різні методи попередньої обробки та сегментації медичних знімків. 5. Способи інтеграції запропонованих рішень у практичну медичну діяльність. Головні цілі дослідження: 1. Розробити алгоритми автоматичного розпізнавання меланоми. 2. Створити програмне забезпечення для аналізу дерматологічних зображень. Провести тестування точності моделі на реальних медичних даних. 3. Проаналізувати ефективність машинного навчання у діагностиці меланоми. Визначити оптимальні підходи до попередньої обробки зображень. 4. Дослідити способи підвищення точності та швидкості розпізнавання. 5. Порівняти запропоновані методи з існуючими традиційними підходами. Об’єктом дослідження є математичні та програмні моделі аналізу медичних зображень, зокрема методи машинного навчання для автоматизованого виявлення ознак меланоми на шкірі. Предметом дослідження є алгоритмічні підходи та методи глибокого навчання, що використовуються для обробки дерматологічних зображень. Особливу увагу приділено математичному опису процесу класифікації, вибору оптимальних архітектур нейронних мереж, а також методам валідації отриманих результатів. Методи дослідження. У магістерській дисертації було використано низку сучасних методів, що охоплюють математичне моделювання, обробку зображень та машинне навчання, зокрема, методи математичного моделювання (диференціальні рівняння – для теоретичного опису динаміки медичних процесів); клітинні автомати – для моделювання просторово-часових змін у біологічних системах; методи зниження розмірності (зокрема PCA — Principal Component Analysis) – для аналізу багатовимірних медичних даних. Також були використані методи обробки зображень: попередня обробка (препроцесинг) зображень: нормалізація яскравості, аугментація (обертання, масштабування, зміна контрасту), фільтрація та усунення шумів (включно з видаленням артефактів, таких як волосся); сегментація зображень – виокремлення ділянок шкіри з потенційними новоутвореннями; перетворення кольорових просторів (RGB → HSV, YCbCr) – для підвищення контрастності між меланомою та навколишньою шкірою. Для програмної реалізації були використані Методи машинного навчання: глибоке навчання (Deep Learning): згорткові нейронні мережі (CNN) — для автоматичної класифікації зображень шкіри; багатошаровий персептрон (MLP) — як базова модель для порівняння; методи оптимізації параметрів нейронних мереж, у тому числі використання функцій втрат, функцій активації та стратегій зниження похибки; оцінка ефективності моделей за метриками: Accuracy, Precision, Recall, F1-score, AUC. Наукова новизна дослідження полягає у розробленні математичної моделі нейромережевого типу для розпізнавання меланоми шкіри за реальними знімками, а також відповідного прикладного програмного забезпечення, що розпізнає дані захворювання. У роботі застосовано методи машинного навчання, включаючи згорткові нейронні мережі (CNN) та багатошаровий персептрон (MLP), які використовуються для класифікації зображень шкірних утворень. Для обробки медичних даних застосовано статистичні методи аналізу, такі як нормалізація, аугментація та розрахунок головних компонент (PCA), що дозволяють виділити ключові характеристики. Також використано методи оптимізації параметрів нейронних мереж та алгоритми зниження розмірності даних.Документ Відкритий доступ Система аналізу та моніторингу трафіку та паркувальних місць в контексті розумних міст(КПІ ім. Ігоря Сікорського, 2024) Касьяновський, Олег Едуардович; Куссуль, Наталія МиколаївнаАктуальність теми. У сучасному світі міста стикаються з численними викликами, серед яких важливе місце займають транспортні проблеми та обмеженість паркувальних місць. Зростання кількості автомобілів призводить до постійного збільшення заторів, забруднення повітря та неефективного використання міського простору. У цьому контексті розумні міста (Smart Cities) стають важливою концепцією для створення стійких та комфортних умов для мешканців. Розумні міста, або Smart Cities, представляють собою інноваційну концепцію урбаністичного розвитку, яка спрямована на покращення якості життя мешканців через інтеграцію сучасних технологій у всі аспекти міського середовища. Вони об'єднують інформаційні та комунікаційні технології (ІКТ), інтернет речей (IoT), великі дані (Big Data), штучний інтелект (AI) та інші інноваційні рішення для створення стійких, ефективних та зручних міських систем. Незважаючи на наявність деяких досліджень у цій галузі, спостерігається недостатність наявних досліджень. Відсутність системи моніторингу та аналізу паркувальних місць може призводити до серйозних негативних наслідків. Зростання заторів є однією з головних проблем, оскільки хаотичне паркування та постійний пошук вільних місць збільшують кількість транспортних засобів на дорогах. Це, у свою чергу, сприяє забрудненню повітря через збільшення викидів шкідливих речовин, що погіршує екологічну ситуацію у місті. Таким чином, актуальність цієї роботи обумовлена такими факторами: зростанням популярності поняття «розумні міста» в умовах урбанізації та збільшення транспортного навантаження; відсутністю системи аналізу та моніторингу паркувальних місць, що дозволяє ефективно вирішувати проблеми з паркуванням. Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась згідно з планом науково-дослідних робіт кафедри математичного моделювання та аналізу даних Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Мета і задачі дослідження. Метою даної роботи є розробка та оптимізація методів аналізу зображень для визначення наявності вільних місць для паркування. Побудувати систему, що аналізує та визначає наявность вільних місць для паркування. Для досягнення вказаної мети було розв’язано такі задачі: систематизувати існуючі методи аналізу та моніторингу паркувальних місць; розробити модель прогнозування доступності паркувальних місць; розробити математичне та програмне забезпечення для аналізу та моніторингу паркувальних місць; Об’єктом дослідження є система моніторингу паркувальних місць, яка використовує аналіз зображень для визначення наявності вільних місць для паркування. Досліджувані засоби — інструменти системи моніторингу: інструменти представлення зображень в числовій формі, математичної статистики, класичного аналізу даних, машинного та глибинного навчання, великих даних; нейронні мережі. Предметом дослідження є технології та моделі аналізу зображень для визначення наявності вільних місць для паркування. Методи дослідження. В роботі використовуються сучасні методи глибинного навчання, зокрема методи детекції об'єктів, такі як YOLO (You Only Look Once). Наукова новизна одержаних результатів складається з таких положень: створено комплексне програмне забезпечення для збору, обробки та аналізу даних про паркувальні місця, що значно підвищує ефективність управління транспортними потоками у міських умовах; розроблено та впроваджено інноваційний підхід до аналізу та моніторингу паркувальних місць на основі методів глибинного навчання, зокрема алгоритму YOLO; отримані результати дозволяють розробити рекомендації для міських адміністрацій щодо оптимізації паркувальної інфраструктури та зниження заторів, що сприяє покращенню якості життя мешканців міста. Практичне значення одержаних результатів. Побудована система дозволить ефективно аналізувати та моніторити паркувальні місця, що допоможе всім учасникам міського трафіку приймати обґрунтовані рішення. Отримані дані про поточну ситуацію з паркувальними місцями сприятимуть оптимізації транспортного руху та зниженню заторів. Особливо важливими такі дослідження є для міських служб, відповідальних за управління транспортною інфраструктурою, оскільки вони дозволять покращити планування та розподіл паркувальних ресурсів. Це, у свою чергу, допоможе уникнути неефективного використання міського простору та підвищити загальну ефективність транспортної системи міста.Документ Відкритий доступ Модель перенесення навчання для оцінки хлорофілу-а за допомогою супутникового зображення(КПІ ім. Ігоря Сікорського, 2024) Геніцой, Павло Олексійович; Шелестов, Андрій ЮрійовичМагістерська дисертація містить 118 сторінок, 16 ілюстрацій, 3 таблиці та 40 літературних джерел. Актуальність: оцінка концентрації хлорофілу-а є дуже важливою для моніторингу водних екосистем та біорізноманіття. Хлорофіл-а відображає фотосинтетичну активність фітопланктону, який є ключовими компонентами водних екологічних систем та базовим джерелом органіки. Традиційні методи вимірювання хлорофілу-а є трудомісткими, дорогими і обмеженими по простору та часу. Використання супутникових даних для моніторингу великих територій з високою частотою є ефективним. Представлений підхід із використанням моделі перенесення навчання дозволяє здійснювати моніторинг хлорофілу-а на великих територіях. Мета даної роботи: розробка та апробація інтелектуальної моделі трансфертного навчання оцінки хлорофілу-a на основі супутникових зображень. Для досягнення мети було використано: модель багатошарового персептрона; супутникові зображення Sentinel-2/Sentinel-3, продукт GCOM-C/SGLI L3, дані Coriolis для перевірки; платформа Google Earth Engine (GEE); Google Colab, PyCharm та бібліотеки Python/ML для реалізації алгоритмів. Завдання: налаштування програмного середовища для обробки та аналізу даних; підготовка даних супутникових систем Sentinel-2, Sentinel-3 та GCOM-C/SGLI L3 V2, а також від наземних вимірювань Coriolis; стандартизація даних для подальшого аналізу; проведення кореляційного аналізу між концентрацією хлорофілу-a (Chla) з різних джерел даних; застосування технології перенесення навчання в пілотній зоні для Середземного моря – Лімасол, Кіпр для прогнозування значень концентрацію хлорофілу за супутниковими даними; побудова карти просторового розподілу концентрації хлорофілу-а в акваторії Лімассолу (Кіпр); моделювання хлорофілу-а за даними вищого просторового розрізнення; тестування моделі при використанні хлорофілу-а з різних джерел даних. Об’єкт дослідження: концентрація хлорофілу-а в морських екосистемах, зокрема в Середземноморському регіоні, і можливості його оцінки за допомогою супутникових зображень. Предмет дослідження: методи оцінки концентрації хлорофілу-а у водних екосистемах на основі супутникових зображень. Методи дослідження: системний аналіз, кореляційний аналіз, алгоритми машинного навчання, методи обробки цифрових зображень, оптимізація гіперпараметрів моделей, методи аналізу даних та математичної статистики. Наукова новизна даної праці полягає в розробці та використанні моделі трансфертного навчання для оцінки концентрації хлорофілу-а за допомогою супутникових зображень для Середземного моря. Основні пункти включають: адаптація моделі MLP для нових географічних зон з використанням різних супутникових даних; визначення спектральних та інформативних показників, які корелюють з концентрацією хлорофілів-а; розробка методів підвищення просторового розрізнення концентрації хлорофілу-а на основі супутникових даних. Практична новизна дослідження полягає у розробці методології, яка дозволяє здійснювати оперативний моніторинг якості води на великих територіях. Практична новизна включає: використання супутникових зображень Sentinel-2 та GCOM-C/SGLI для оцінки концентрації хлорофілу-а, що дозволяє значно знизити витрати порівняно з традиційними методами моніторингу; розробка карт концентрації хлорофілу-а з високим просторовим розрізненням для різних регіонів, що може бути використано для управління природними ресурсами та охорони навколишнього середовища. Апробація результатів дисертації. Матеріали різних розділів дисертації доповідалися та обговорювались на XXII Всеукраїнській науково-практичній конференцiї студентiв, аспірантів та молодих вчених теоретичнi i прикладні проблеми фізики, математики та iнформатики. 13−17 травня 2024 р., м. Київ, Україна.», міжнародному симпозіумі 4th International Symposium on Applied Geoinformatics (ISAG2024). 9-10 May 2024. Wroclaw, Poland.Документ Відкритий доступ Інформаційний вплив на політичні вподобання шляхом створення медійних коаліцій з використанням С-ядра(КПІ ім. Ігоря Сікорського, 2024) Миронець, Аліна Володимирівна; Терещенко, Іван МиколайовичОбсяг роботи 94 сторінки, 18 ілюстрації, 19 таблиць, 1 додаток, 13 джерел літератури. Об’єктом дослідження є модель інформаційного впливу на політичні процеси шляхом кооперації визначених джерел інформації. Предметом дослідження є спосіб створення інформаційного впливу на політичні процеси шляхом інтеграції певних інформаційних джерел, а також задача оптимального розподілу ресурсів медійних джерел, які мають обмежений вплив на суспільство. В цій роботі реалізована модель впливу на політичні вподобання, де учасники розділені на дві групи, забезпечують собі виграш тільки тоді, коли об’єднуються в коаліцію, тобто взаємодія відображається як проста гра. До першої групи належать медіа ресурси, які мають вплив на незначну аудиторію. Друга група включає медійні ресурси іншого типу. Використовуючи ігровий підхід, було сформульовано багатокритеріальну задачу для досягнення максимальних результатів для кожної з двох груп і знайдено її вирішення.Документ Відкритий доступ Методи машинного навчання для аналізу якості життя в сільській місцевості(КПІ ім. Ігоря Сікорського, 2024) Захарченко, Леонід Максимович; Яйлимова, Ганна ОлексіївнаДипломна робота містить 66 сторінок, 29 ілюстрацій, 1 таблицю, 2 формули, 6 посилань на джерела літератури. Об’єктом дослідження даної роботи є класифікація сільської місцевості регіонів України за рядом параметрів. Мета дослідження полягає у проведенні аналізу та виборі існуючого метода для класифікації сільської місцевості з застосуванням геопросторових даних з таких джерел, як Open Street Map, Укр.Стат тощо. Використані дані були зібрані та підготовані науковцями кафедри ММАД в межах проєкту МОН "Інформаційні технології геопросторового аналізу розвитку сільських територій і громад", що фінансується за рахунок зовнішнього інструменту допомоги Європейського Союзу для виконання зобов’язань України у Рамковій програмі Європейського Союзу з наукових досліджень та інновацій “Горизонт 2020”. Методи дослідження у даній роботі – методи обробки геопросторової інформації, а також методи для оцінки якості обраних метрик. Для досягнення поставленої мети було розроблено кластеризаційний метод класифікації на основі методу аналізу ієрархій, та проаналізовано отримані результати у графічному вигляді в додатку Qgis.
- «
- 1 (current)
- 2
- 3
- »