Монографії (ММАД)
Постійне посилання зібрання
У зібранні розміщено монографії, авторами яких є науково-педагогічні працівники кафедри.
Переглянути
Нові надходження
Документ Відкритий доступ Методи комп’ютерного зору і глибинних нейронних мереж для еколого-економічного аналізу(Наукова думка, 2024) Куссуль, Н. М.; Шелестов, А. Ю.; Лавренюк, А. М.; Яйлимов, Б. Я.; Яйлимова, Г. О.; Колотій, А. В.; Дрозд, С. Ю.; Савін, В. В.; Мікава, П. В.; Кириленко, І. А.; Яворський, О. А.; Охріменко, А. О.; Пархомчук, О. М.; Харь, Д. Ф.; Волкова, Є. А.Монографія містить результати досліджень кафедри математичного моделювання і аналізу даних Національного технічного університету України «КПІ імені Ігоря Сікорського» для вирішення задач еколого-економічного аналізу на основі сучасних методів комп’ютерного зору і глибинного навчання. В її основу покладено результати національних і міжнародних проєктів МОН України, НФДУ та Horizon Europe. Запропонована методологія впроваджується у Мінагрополітики та продовольства України, Держстаті, Держгеокадастрі. На міжнародному рівні результати використовуються банком EBRD, центром JRC-EC, платформою UN-SPIDER та програмою NASA Harvest по використанню супутникових даних для сільськогосподарського моніторингу. Монографія є внеском України у програму EuroGEO по інтеграції європейських практик для підтримки прийняття рішень. Наведені результати є основою для розвитку інноваційних проєктів і стартапів по супутниковому моніторингу, екології, сільському господарству та управлінню природними ресурсами. Монографія буде корисною для науковців, які займаються розробкою та впровадженням інтелектуальних моделей, фахівців із геопросторового аналізу, представників державних органів влади та міжнародних організацій, відповідальних за управління природними ресурсами та екологічний моніторинг. Вона стане цінним ресурсом для студентів, аспірантів та викладачів технічних і природничих спеціальностей. Підготовлено до друку за підтримки Міністерства освіти і науки України в межах конкурсного проєкту № РН/27-2023 від 25.2023 р. програми зовнішнього інструменту допомоги Євросоюзу. Рекомендовано до друку вченою радою Національного технічного університету України «КПІ імені Ігоря Сікорського» (протокол № 10 від 09.12.2024 р.), вченою радою Інституту космічних досліджень НАН України та ДКА України (протокол №7 від 28.11.2024 р.)Документ Відкритий доступ Current Advances on Cloud-Based Distributed Computing for Forest Monitoring(Springer, 2023) Shelestov, Andrii; Salii, Yevhenii; Hordiiko, Nataliia; Yailymova, HannaOne of the most important tasks related to environmental protection is forests monitoring. Meanwhile, specialists deal with the problem of big data and the need to utilize powerful computing resources that are not always available. Cloud solutions (CREODIAS, Google Earth Engine, etc.) provide instant satellite data access and the ability to quickly and conveniently process geospatial data in the cloud and use it to search for information products. Forest monitoring is supported by the European Commission (EU project SWIFTT), the World Wildlife Fund and others. This work analyzes Sentinel-2 satellite spectral channels, which distribution of pixel values was constructed for diseased and healthy forests, and the possibility of separating these two classes was analyzed based on the Bhattacharya distance. The informativeness of time series application of the normalized difference vegetation index (NDVI) was analyzed. The assumption that the average value of NDVI decreases and the standard deviation increases when the forest changes is confirmed. Getting results for large areas will lead to a big data problem. Therefore, the structure of the pilot information system is proposed as the basis for a further cloud solution with the development of a machine (deep) learning model for forest monitoring in any territory (including Ukraine). This system allows monitoring forests dynamics based on time series of satellite data at the country level and worldwide. This will be an important step for Ukraine as a potential member of the EU in the field of providing information services and monitoring the most sensitive natural resources.Документ Відкритий доступ Cloud Platforms and Technologies for Big Satellite Data Processing(Springer, 2023) Kussul, Nataliia; Shelestov, Andrii; Yailymov, BohdanThis paper addresses the problem of processing large volumes of satellite data and compares different cloud platforms for potential solutions. Existing cloud platforms like Google Earth Engine, Amazon Web Services (AWS), and CREODIAS have been used to tackle this challenge. However, this study proposes an optimal pipeline for satellite data processing, taking into account the advantages and limitations of each platform. The specific focus is on solving machine learning problems using satellite data. In the experiment conducted, the effectiveness of each cloud platform was analyzed. It was found that cloud platforms offer benefits such as flexibility, access to computing resources, and parallel processing architectures, leading to increased productivity and cost reduction. CREODIAS, in particular, stands out due to its specialization in satellite data and easy access to various data types, along with tools for data searching and visualization. The experiment demonstrated that tasks, from data loading to classification, were executed fastest on CREODIAS resources. However, AWS performed data classification faster. The availability of its own internal data bucket was a significant advantage of CREODIAS, especially when considering ARD data. These findings contribute to the advancement of AI methodologies and have practical implications for solving satellite monitoring applications.