Бакалаврські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено бакалаврські проекти (роботи) на здобуття ступеня бакалавра.
Переглянути
Нові надходження
Документ Відкритий доступ Оптимізація кольорової палітри зображень з використанням методів глибокого навчання(КПІ ім. Ігоря Сікорського, 2024) Погуляка, Богдан Олександрович; Шубенкова, Ірина АнатоліївнаДипломна робота: 144 сторінки, 40 рисунків, 8 таблиць, 32 посилання, 1 додаток. Об'єкт дослідження – цифрові зображення. Предмет дослідження – оптимізація кольорової палітри цифрових зображень з використанням методів глибокого навчання. У сучасному світі цифрові зображення відіграють важливу роль у багатьох сферах, включаючи соціальні мережі, електронну комерцію, мультимедіа та наукові дослідження. З постійним зростанням кількості та розміру зображень, ефективне представлення та стиснення візуальної інформації стає все більш важливим завданням. Однією з ключових задач є розробка алгоритмів та програмного забезпечення, здатних створювати оптимальну кольорову палітру для зображень, яка зберігає важливі візуальні деталі та мінімізує артефакти квантизації. Важливість цієї технології особливо зростає в умовах обмежених ресурсів зберігання та передачі даних, де ефективне стиснення зображень може значно покращити продуктивність систем та якість користувацького досвіду. Існуючі алгоритми квантизації кольорів мають ряд обмежень. Вони часто призводять до втрати важливих колірних деталей, особливо в зображеннях з плавними градієнтами та великою кількістю унікальних кольорів. Крім того, ці алгоритми не завжди адаптуються до специфіки конкретних зображень і можуть створювати помітні візуальні артефакти при значному зменшенні кількості кольорів у палітрі. Мета цієї роботи полягає в розробці та дослідженні ефективних методів оптимізації кольорової палітри зображень з використанням алгоритмів глибокого навчання для покращення якості квантизації кольорів та мінімізації візуальних артефактів.Документ Відкритий доступ Використання генетичних алгоритмів в задачі машинного налаштування згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Панасюк, Руслан Ігорович; Кот, Анатолій ТарасовичДипломна робота: 87 с., 26 рис., 6 табл., 23 посилань, 1 додаток. У цьому документі розглянута проблема машинного налаштування згорткових нейронних мереж (ЗНМ) за допомогою генетичних алгоритмів (ГА). Робота присвячена розробці ефективних методів оптимізації параметрів ЗНМ, що можуть бути застосовані в різних сферах: класифікація зображень, розпізнавання облич, обробка медичних зображень, автоматичне керування транспортом, виявлення аномалій та багатьох інших. Об’єкт дослідження – згорткові нейронні мережі. Предмет дослідження – методи машинного налаштування параметрів ЗНМ з використанням генетичних алгоритмів. Мета роботи – розробка автоматизованої системи для оптимізації параметрів згорткових нейронних мереж з використанням генетичних алгоритмів з метою поліпшення їх продуктивності у задачі класифікації. Результат – в роботі розглянуто основні класи нейронних мереж та їх алгоритмів оптимізації, детально розглянуто ЗНМ та ГА, розроблено програмний продукт для автоматизованої системи вибору та оптимізації параметрів ЗНМ та визначено його економічну собівартість.Документ Відкритий доступ Трансформація тексту з урахуванням контексту з використанням чат-боту ChatGPT(КПІ ім. Ігоря Сікорського, 2024) Осовська, Анна Едуардівна; Тимошенко, Юрій ОлександровичДипломна робота: 109 с., 22 рис., 16 табл., 19 посилань, 1 додаток. Об’єкт дослідження – використання чат-боту ChatGPT для трансформації тексту. Предмет дослідження – трансформація тексту з урахуванням контексту. Мета роботи – розробка концепції комплексного та універсального функціоналу для трансформації тексту з урахуванням контексту в рамках веб-додатків, інтегрованого з чат-ботом ChatGPT від OpenAI. Проведено комплексне дослідження визначення, прикладів та мети трансформації тексту, пояснено актуальність трансформації тексту в сучасному світі. Проведено ретельний аналіз інструменту чат-боту ChatGPT як механізма реалізації трансформації тексту з урахуванням контексту, обґрунтовано вибір чат-боту ChatGPT. Розроблено концепцію універсальної функціональності для перетворення тексту за допомогою чат-бота ChatGPT у веб-додатках, яка відповідатиме поточним і майбутнім потребам перетворення тексту, таким чином гарантуючи, що функціонал можна буде надійно використовувати протягом тривалого часу у багатьох випадках використання. Проведено аналіз та формулювання високорівневих функціональних та нефункціональних вимог для реалізації функціональності трансформації тексту, ретельне дослідження аналогічних функціональностей на ринку та найкращих практик створення запитів в ChatGPT для трансформації тексту. Уточнено та задокументовано вимоги до функціональності, створено прототипи користувацького інтерфейсу та UML діаграми роботи функціональності. Складено можливі запити в ChatGPT для трансформації тексту на основі проведених досліджень. Продемонстровано самі трансформації тексту, які показують тексти "до" і "після" трансформацій. Обґрунтовано успішність реалізованої концепції.Документ Відкритий доступ Система підтримки прийняття рішень в’їзного туризму Великої Британії рекурентними нейронними мережами глибокого навчання(КПІ ім. Ігоря Сікорського, 2024) Мітюк, Дар’я Сергіївна; Данилов, Валерій ЯковичДипломна робота: 86 с., 25 рис., 7 табл., 27 посилань, 1 додаток. У цій роботі розглянуто тему використання нейронних мереж з довгою короткочасною пам’яттю для прогнозування туристичних потоків, перспективи їх використання в сфері туризму. Об’єктом дослідження стала історія кількості туристів, що відвідали Велику Британію впродовж 1980 – 2019 рр. Предмет дослідження – нейронні мережі з довгою короткочасною пам’яттю для прогнозування змін туристичних потоків. Мета роботи – визначити потенціал використання нейронних мереж з довгою короткочасною пам’яттю для прогнозування туристичних потоків. У першому розділі досліджено предметну область завдання. Розглянуто різні аспекти ринку туризму Великої Британії, його особливості та наявні методи передбачення розвитку туристичних потоків. В другому розділі проведено огляд фрактальної інтерполяції як методу оптимізації роботи нейронних мереж з довгою короткочасною пам’яттю. В третьому розділі розроблено програмний продукт для дослідження ефективності нейронних мереж з довгою короткочасною пам’яттю для прогнозування туристичних потоків та проаналізовано його результати. В четвертому розділі оцінено характеристики програмного продукту та проведено функціонально-вартісний аналіз. Підбито підсумок про потенціал використання нейронних мереж з довгою короткочасною пам’яттю у сфері туризму, проведено аналіз моделі та описано способи її подальшого покращення.Документ Відкритий доступ Побудова гібридних згорткових нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Марусій, Богдан Ігорович; Кот, Анатолій ТарасовичДипломна робота: 74 с., 6 рис., 8 табл., 20 посилань, 1 додаток. Об’єкт дослідження – процес побудови та навчання гібридних згорткових нейронних мереж (ГЗНМ). Предмет дослідження – конкретні техніки, алгоритми та підходи, використані при створенні гібридних архітектур ЗНМ. Мета роботи – розробка та оцінка гібридних згорткових нейронних мереж для вирішення задач розпізнавання дорожніх знаків та виявлення пішоходів в автомобільних системах. Проведено огляд існуючих сучасних практик у ЗНМ та гібридних архітектур. Виявлено, що класичні ЗНМ, такі як AlexNet, VGG та ResNet, мають високу ефективність у задачах комп'ютерного зору, проте мають певні обмеження. Виявлено, що використання гібридних моделей дає змогу покращити точність і продуктивність порівняно з класичними підходами. Вибрано ряд сучасних інструментів та технологій для розробки гібридних ЗНМ, у тому числі TensorFlow, Keras, PyTorch та інші. Побудовані прототипи гібридних ЗНМ показали високу ефективність у вирішенні задач класифікації зображень. Використання аугментації даних значно покращило узагальнювальну здатність моделі. Оптимізація гіперпараметрів, зокрема швидкості навчання, дала змогу досягти оптимальної продуктивності моделі. Завдяки гнучкості архітектури та використанню сучасних бібліотек, розроблений додаток може бути легко адаптований до інших задач комп'ютерного зору, таких як відеоспостереження, медична діагностика або автоматизована модерація контенту. Проведено функціонально-вартісний аналіз програмного продукту.Документ Відкритий доступ Інтеграція дронових технологій у військовому застосуванні(КПІ ім. Ігоря Сікорського, 2024) Мазур, Маркіян-Юліан Мирославович; Тимошенко, Юрій ОлександровичДипломна робота: 87 с., 8 рис., 6 табл., 16 посилань, 1 додаток. Об’єкт дослідження – безпілотні літальні апарати (БПЛА), які використовуються у військових цілях для виконання різноманітних завдань, таких як розвідка, спостереження, патрулювання та атака на цілі. Предмет дослідження – методи та алгоритми визначення відстані до об'єктів на відео з БПЛА та розрахунку траєкторії для скидання снарядів на ціль. Мета роботи – розробка та впровадження ефективних методів для точного визначення відстані та розрахунку траєкторії, необхідних для підвищення ефективності та точності військових операцій з використанням БПЛА. У дипломній роботі було розроблено і впроваджено систему для точного визначення відстані до об'єктів на відео з безпілотних літальних апаратів (БПЛА) та розрахунку траєкторії для скидання снарядів. Було реалізовано програмне забезпечення, що використовує методи тріангуляції та стереозору для отримання тривимірних координат об'єктів. Крім того, створено математичну модель для розрахунку траєкторії, враховуючи фактори, як опір повітря та вітер. Проведено численні експерименти і тести на реальних та симульованих відеозаписах, що дозволило перевірити ефективність і точність системи. Виявлені проблеми були усунуті, а програмне забезпечення оптимізоване для підвищення продуктивності. Результати підтвердили високу точність визначення відстані та стабільність роботи системи, що підтверджує готовність методів до практичного використання.Документ Відкритий доступ Застосування глибокого навчання для виявлення військових об’єктів(КПІ ім. Ігоря Сікорського, 2024) Капусткін, Артем Олександрович; Тимошенко, Юрій ОлександровичДипломна робота: 100 с., 47 рис., 6 табл., 33 посилання, 1 додаток. Об’єкт дослідження – військове застосування глибокого навчання. Предмет дослідження – нейронна мережа та її застосування для задачі розпізнавання об’єктів. Мета роботи – отримати навчену нейронну мережу, здатну розпізнавати військові об’єкти. Методи дослідження – аналіз літератури, дослідження існуючих методів та алгоритмів глибокого навчання, збір зображень військових об’єктів та їх анотація, тренування моделей глибокого навчання та проведенням експериментів для оцінки їх ефективності. Результати дослідження демонструють високу точність виявлення класу броньованої техніки і помітно нижчу для класу легкої техніки через меншу кількість зображень цього класу. В цілому, результати є прийнятними, враховуючи нерівномірність даних. Новизна роботи полягає у створенні унікального набору даних з актуальними зображеннями військових об'єктів, зібраними зокрема під час сучасних військових конфліктів, таких як російсько-українська війна. Відображення реальних бойових умов робить набір даних цінним для подальших досліджень і розробки систем автоматичного розпізнавання.Документ Відкритий доступ Система надання персоналізованих рекомендацій для вибору програмного функціоналу на основі портрету користувача та його взаємодії з мобільним додатком(КПІ ім. Ігоря Сікорського, 2024) Іванова, Вікторія Святославівна; Недашківська, Надія ІванівнаДипломна робота: 79 с., 19 рис., 6 табл., 23 посилань, 1 додаток. Робота спрямована на вирішення важливого виклику сучасних мобільних застосунків, а саме підбір найбільш релевантних пропозицій користувачам для збільшення рівня їх задоволення при користуванні функціоналом та покращення монетизації додатку. Об’єкт дослідження – надання персоналізованих рекомендацій щодо програмного функціоналу всередині мобільного застосунку на основі портрету користувача. Предмет дослідження – алгоритми побудови рекомендаційних систем та їх використання для задач по підбору персоналізованих пропозицій. Мета роботи – огляд і аналіз існуючих підходів до надання персоналізованих рекомендацій алгоритмами машинного навчання та розробка власної рекомендаційної моделі на основі характеристик користувачів і їх поведінки в мобільному застосунку. В результаті виконання роботи отримано рекомендаційну систему, яка може допомогти мобільному застосунку покращити користувацький досвід його користувачів шляхом підбору найбільш цікавих пропозицій для кожного користувача. Крім цього модель допоможе додатку збільшити його доходи завдяки тому, що найбільш релевантні пропозиції, кожна з яких може бути купленою окремо одна від одної, будуть активно просуватися різними каналами, наприклад у листах або сповіщеннях.Документ Відкритий доступ Методи штучного інтелекту синхронізації процесів комп’ютерних систем(КПІ ім. Ігоря Сікорського, 2024) Гринчишин, Данило Богданович; Коваленко, Анатолій ЄпіфановичДипломна робота: 114 с., 16 рис., 5 табл., 7 посилань, 2 додаток. Об’єкт дослідження – процеси та потоки в операційних системах, методи штучного інтелекту для модернізації алгоритмів синхронізації. Предмет дослідження – модель процесу, потоку та паралелізму в операційній системі, проблеми синхронізації, синхронізації процесів та потоків, моделі штучного інтелекту для їх вирішення. Мета роботи – дослідження існуючих алгоритмів синхронізації процесів в комп’ютерних системах та розробка нових підходів з використанням методів штучного інтелекту для оптимізації синхронізації процесів. Актуальність роботи полягає у необхідності наявності надійних та адаптивних методів синхронізації при зростаючій кількості паралелізму в сучасних системах. У даній роботі було реалізовано модернізований адаптивний алгоритм м’ютексу з врахуванням змінної пріоритетності процесів в системах на основі паралелізму.Документ Відкритий доступ Визначення позичальників кредитних установ за допомогою засобів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Гогуля, Нікіта Дмитрович; Шубенкова, Ірина АнатоліївнаДипломна робота: 103 с., 24 рис., 11 табл., 38 посилань, 1 додаток. Мета дослідження: розробка моделі машинного навчання для оцінки кредитоспроможності заявників, здатної прогнозувати ймовірність схвалення кредитних заявок на основі аналізу історичних даних. Об’єкт дослідження: процес оцінки кредитоспроможності заявників фінансовими установами. Предмет дослідження: використання методів машинного навчання для прогнозування кредитоспроможності заявників. Методи дослідження: заміна назв стовпчиків, обробка відсутніх значень середніми значеннями для числових даних і модою для категоріальних даних, нормалізація числових даних. Кодування категоріальних змінних методом One- Hot Encoding. Аналіз даних включав побудову гістограм, кореляційний аналіз та ROC-криві. В якості потенційних найкращих моделей розглядалися: логістична регресія, випадковий ліс, градієнтний бустинг (XGBoost) та багатошаровий перцептрон (MLP). Підбір гіперпараметрів за допомогою GridSearchCV. Результати: модель градієнтного бустингу (XGBoost) показала найкращий результат з AUC-ROC 0.91. Застосування системи дозволяє автоматизувати оцінку кредитоспроможності, підвищуючи точність та швидкість прийняття рішень, знижуючи ризики та покращуючи фінансові показники банків.Документ Відкритий доступ Задача визначення тональності тексту при оцінці відгуків на окремі види послуг(КПІ ім. Ігоря Сікорського, 2024) Шапошніков, Володимир Віталійович; Шубенкова, Ірина АнатоліївнаДипломна робота: 118 стор., 9 рис., 4 табл., 26 посилань, 1 додаток. Дипломну роботу присвячено розробці програмного забезпечення для оцінки тональності тексту на основі методів машинного навчання. Мета роботи – підвищення точності та якості оцінки тональності тексту нейромережею. Об'єкт дослідження – програмне забезпечення для визначеності тональності тексту при оцінці відгуків на окремі види послуг. Предмет дослідження – методи машинного навчання як засіб створення інтелектуального програмного забезпечення для оцінки тональності тексту. У розділі «Аналіз методів та рішень задачі розпізнавання емоцій» розглянуто загальний стан вирішення даної задачі в галузі машинного навчання, типи, будову та способи використання нейронних мереж. Розділ «Моделювання та розробка програмного забезпечення» присвячений створенню структурних схем програмного забезпечення, перевірці покриття функціональних вимог та створенню й навчанню потрібних штучних нейронних мереж. Розділ «Призначення розробки» розглядає призначення розробки, включаючи обґрунтування необхідності створення системи, основні цілі та задачі роботи, очікувані результати, план впровадження, переваги та перспективи розвитку. Програмне забезпечення впроваджено як виконуваний застосунок для операційної системи Windows 10 .Документ Відкритий доступ Використання AI-асистента в якості експерта з технічних консультацій(КПІ ім. Ігоря Сікорського, 2024) Чайка, Максим Васильович; Гуськова, Віра ГеннадіївнаДипломна робота: 142 с., 32 рис., 11 табл., 44 посилань, 3 додатки. Актуальність роботи: зростаюча потреба сучасних підприємств у забезпеченні високої якості обслуговування, зниженні витрат та підвищенні продуктивності шляхом впровадження автоматизованих систем. Аналіз можливостей штучного інтелекту як технічного експерта дозволяє не тільки глибше зрозуміти його потенціал, але й визначити методи його ефективної інтеграції у поточні бізнес-процеси. Об'єктом дослідження є процес надання технічних консультацій. Предметом дослідження є використання штучного інтелекту як експертної системи в процесі надання технічних консультацій. Мета роботи – визначення стратегій інтеграції ШІ у процеси технічних консультацій та розробка автономного асистента для обробки звернень користувачів. Результати роботи: аналіз метрик технічної підтримки виявив взаємозв'язок між якістю обслуговування та задоволеністю користувачів. Було порівняно використання RAG та донавчання для задачі синтезу відповіді. Розроблено архітектуру автономного асистента та інтегровано його у CRM-систему.Документ Відкритий доступ Система генерації навчальної вибірки для налаштування нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Хоменко, Тарас Сергійович; Кот, Анатолій ТарасовичДипломна робота: 82 с., 14 рис., 6 табл., 35 посилань, 1 додаток. Об'єкт дослідження – cистема генерації навчальної вибірки для налаштування нейронних мереж. Предмет дослідження – методи генерації синтетичних даних та їх вплив на якість навчальних вибірок. Мета роботи – розробка і дослідження різних методів генерації синтетичних даних для навчання моделей машинного навчання. В умовах стрімкого технологічного розвитку, особливо в сучасну епоху штучного інтелекту та машинного навчання, ефективне навчання моделей набуває все більшого значення. Особливо це стосується завдань, де точність моделі є критично важливою, як, наприклад, виявлення шахрайства з кредитними картками. Основна проблема, яка виникає при навчанні моделей, – це нестача даних для їх налаштування, що може призвести до зниження якості передбачень. Ця робота присвячена дослідженню методів генерації синтетичних даних для покращення навчальних вибірок. В ході дослідження розглядаються різні підходи до генерації даних, зокрема генеративні змагальні мережі (GANs) та метод поширення синтетичних прикладів (SMOTE). Під час роботи проводиться аналіз ефективності цих методів та їх впливу на якість навчальних вибірок. У дослідженні описано процес створення та тренування моделей на реальних і синтетичних даних, включаючи деталі архітектури нейронних мереж, та використання різних бібліотек для розробки. Проведено аналіз ефективності моделей, що навчені на різних типах даних, та зроблено відповідні порівняння результатів.Документ Відкритий доступ Дослідження машинного навчання ЗНМ DenseNet на коротких вибірках(КПІ ім. Ігоря Сікорського, 2024) Федоренко, Кирило Володимирович; Кот, Анатолій ТарасовичДипломна робота: 71 с., 1 рис., 35 посилань, 1 додаток. Об'єкт дослідження - задачі машинного навчання з обмеженим набором навчальних даних. Предмет дослідження -використання архітектури DenseNet для навчання на коротких вибірках даних. Метою дослідження було проаналізувати та оцінити ефективність використання архітектури DenseNet для навчання на коротких вибірках, а також розробити рекомендації щодо покращення продуктивності моделі в умовах обмеженого обсягу даних. В сучасній епосі великих даних та швидкого розвитку інформаційних технологій, значні виклики виникають при обробці та аналізі обмежених наборів даних. В умовах, де доступний обсяг навчальних даних є недостатнім, стає необхідним розробка та вдосконалення методів машинного навчання для ефективного використання цих даних. Одна з ключових задач – це досягнення високої точності при обмеженій кількості даних, що є актуальним у багатьох сферах, таких як медицина, де обсяг даних часто є обмеженим, або промисловість, де збір даних є дорогим процесом. Архітектура DenseNet (Densely Connected Convolutional Networks) показала високі результати у задачах комп'ютерного зору завдяки ефективному використанню параметрів і унікальній структурі з'єднань між шарами. Однак, її продуктивність в умовах обмежених наборів даних залишається недостатньо вивченою. Це дослідження фокусується на адаптації DenseNet для роботи з короткими вибірками, дослідженні її поведінки при різних методах вирішення проблем обмеженості даних та пошуку оптимальних налаштувань.Документ Відкритий доступ Ідентифікація транспортних засобів та броньованої техніки на зображеннях з камери БПЛА(КПІ ім. Ігоря Сікорського, 2024) Смульський, Дмитро Ігорович; Пишнограєв, Іван ОлександровичДипломна робота: 101 с., 30 рис., 6 табл., 32 посилання, 1 додаток. Об’єкт дослідження – зображення з камери БПЛА. Предмет дослідження – ідентифікація об’єктів на зображеннях з камери БПЛА. Мета роботи – розробка програмного забезпечення для ідентифікації транспортних засобів та броньованої техніки на зображеннях з камери БПЛА. У сучасному світі безпілотні літальні апарати (БПЛА) відіграють важливу роль в багатьох галузях, включаючи військову, цивільну та наукову сфери. Зокрема, використання БПЛА для розвідки та моніторингу потребує ефективних методів ідентифікації об'єктів на отриманих зображеннях. Однією з ключових задач є розробка алгоритмів та програмного забезпечення, що здатні автоматично розпізнавати різні типи об'єктів, такі як транспортні засоби та броньована техніка, на зображеннях, отриманих з камер БПЛА. Важливість цієї технології особливо зростає в умовах бойових дій, де швидка та точна ідентифікація об'єктів може врятувати життя та забезпечити успіх операцій. У роботі розглянуто сучасні методи комп'ютерного зору, зокрема згорткові нейронні мережі (CNN), які використовуються для обробки та аналізу зображень. Описано архітектури моделей R-CNN та YOLO, що є основними інструментами для задач об'єктної детекції. На основі цих моделей було розроблено програмний продукт, який пройшов навчання на маркованих зображеннях, зроблених з камери реального дрона, та продемонстрував високу точність ідентифікації транспортних засобів та броньованої техніки на зображеннях з БПЛА.Документ Відкритий доступ Самонавчання та розвиток алгоритмів машинного навчання для прогнозування фінансових ринків(КПІ ім. Ігоря Сікорського, 2024) Стеф’юк, Станіслав Васильович; Жиров, Олександр ЛеонідовичДипломна робота: 86 с., 22 рис., 6 табл., 23 посилань, 1 додаток. У цій роботі розглянута тема використання нейронних мереж з самонавчанням для передбачення фінансових ринків, перспективи їх використання в сфері фінансів та банкінгу. Об’єктом дослідження стала історія вартості компаній на ринку цінних паперів. Предмет дослідження – нейронні мережі з самонавчанням для прогнозування змін цін ринку акцій. Мета роботи – визначити потенціал використання нейронних мереж з самонавчанням для прогнозування фінансових ринків. В першому розділі досліджено предметну область завдання. Розглянуто різні аспекти фінансового ринку, його особливості та наявні методи передбачення розвитку ринку акцій. В другому розділі проведено огляд різних типів нейронних мереж та методів їх оптимізації. В третьому розділі розроблено програмний продукт для дослідження ефективності нейронних мереж з самонавчанням для прогнозування фінансових ринків та проаналізовано його результати. В четвертому розділі оцінено характеристики програмного продукту та проведено функціонально-вартісний аналіз. Підбито підсумок про потенціал використання нейронних мереж з самонавчанням в сфері фінансів та банкінгу, проведено аналіз моделі та описано способи її подальшого покращення.Документ Відкритий доступ Інтелектуальна система обробки та генерації тексту(КПІ ім. Ігоря Сікорського, 2024) Синиця, Владислав Валерійович; Чумаченко, Олена ІллівнаДипломна робота: 128 с., 24 рис., 6 табл., 57 посилань, 1 додаток. Об’єкт дослідження – інтелектуальні системи обробки та генерації текстів для задачі розуміння людської мови. Предмет дослідження – методи обробки та генерації тексту. Мета роботи – проаналізувати існуючі нейронні мережі та їхні топології для застосування у задачах інтелектуальної генерації та обробки текстів. Розробити власну систему інтелектуальної генерації обробки та генерації тексту. Розглянуті понятті обробки та генерації текстів, їхні компоненти та ознаки. Проаналізовано існуючі роботи з генерації та обробки текстів. Наведено переваги та недоліки для відповідних методів. Розглянуто конкретні нейронні мережі для задачі обробки та генерації текстів, їхню архітектуру. Розроблено власну інтелектуальну систему генерації та обробки текстів з урахуванням метаданих для задачі генерації текстів огляду на музичні твори. Створено власноруч відповідний текстовий набір даних. Проведено експерименти з впливу різних параметрів мережі. Проаналізовано та порівняно результати навчання мережі для різних значень гіперпараметрів. Результати роботи можуть бути використані для генерації тексті оглядів на музичні твори, що враховують жанр твору та його оцінку за десятибальною шкалою.Документ Відкритий доступ Дослідження зв'язку параметрів тексту та величини контексту з функцією втрат великих мовних моделей(КПІ ім. Ігоря Сікорського, 2024) Рентюк, Віталій Валерійович; Пишнограєв, Іван ОлександровичДипломна робота: 110 с., 14 рис., 8 табл., 49 посилань, 1 додаток. Актуальність роботи: використання функції втрат (perplexity) на різних розмірах контексту дозволяє більш точно оцінювати складність текстів, що є важливим для розробки ефективних інструментів для перевірки читабельності, оптимізації навчальних матеріалів та покращення алгоритмів обробки природної мови. Об'єктом дослідження є зв’язок між різними параметрами тексту та функцією втрат великих мовних моделей при різних значеннях розміру контексту. Предметом дослідження є взаємозв'язок між складністю тексту, такими як його параметри та розмір контексту, і результуючими значеннями функції втрат при обробці за допомогою великих мовних моделей. Мета роботи – з'ясувати, як різні аспекти композиції тексту та обсяг контексту впливають на значення функції втрат великих мовних моделей, і таким чином зрозуміти рівні складності текстів на основі цих параметрів. Результати роботи: було проведено збір та аналіз даних щодо perplexity на різних розмірах контексту з використанням різних наборів даних. Було встановлено, що середнє значення perplexity та різниця між значеннями на малих і великих розмірах контексту можуть використовуватись для визначення складності текстів.Документ Відкритий доступ Artificial Intelligence System for Trends Analysis in Allergenic Hazard and Allergen Spread in Kyiv City(Igor Sikorsky Kyiv Polytechnic Institute, 2024) Brovko, Danil Vitaliiovych; Baranovska, Lesia VeleriivnaBachelor’s thesis: 57 p., 20 figures, 2 tables, 31 references, 3 appendixes. The subject of the research is pollinosis development in the human body. The object of the study is to model the allergenic hazard of ragweed pollen in each district of Kyiv depending on weather conditions. The purpose of the work is to create an artificial intelligence system called “PolliWeather” to track and predict the allergenic hazard and allergen spread of ragweed pollen depending on weather conditions and the districts of Kyiv. The idea behind it is to inform people about the level of allergenic hazard in different city districts. The relevance of the research. System analysis can be used to study phenomena from various fields of science. And one of the most important ones is medicine. Hundreds of millions of people suffer from pollinosis. This disease manifests as acute rhinitis, bronchitis, conjunctivitis, and sometimes even bronchial asthma. Thus, helping people to fight pollinosis is highly relevant. This research is a continuation of the paper “Mathematical Model of the Trend of Allergenic Hazard and Allergen Spread in Kyiv City”, presented by the author Brovko D. V. at the contest of the Junior Academy of Sciences of Ukraine in 2020. The article “Artificial Intelligence System for Trends Analysis in Allergenic Hazard and Allergen Spread in Kyiv City” by Brovko D. V. and Baranovska L. V. has been accepted for publication in the “International Scientific Technical Journal “Problems of Control and Informatics”. The results show analysis and prediction of pollinosis development risk depending on the time of the day, season, and districts of Kyiv. With this information, people will be able to take measures in advance to avoid health problems.Документ Відкритий доступ Розв’язання некоректних обернених задач динамічним методом першого порядку(КПІ ім. Ігоря Сікорського, 2024) Бєлік, Андрій Андрійович; Тимошенко, Юрій ОлександровичДипломна робота: 104 с., 30 рис., 12 табл., 36 посилань, 1 додаток. Об’єкт дослідження – динамічний метод першого порядку для розв’язання некоректних обернених задач. Предмет дослідження – математичні методи і алгоритми, що використовуються для розв’язання погано обумовлених і некоректно поставлених задач. Мета роботи – розробка та дослідження ефективності динамічного методу першого порядку для розв'язання некоректних задач, з фокусом на стабілізацію розв'язків і забезпечення їхньої надійності у галузі теплопровідності. Актуальність роботи обумовлена важливістю розв’язання некоректно поставлених задач, які характеризуються відсутністю розв'язку, нестабільністю, або не існуванням єдиного розв'язку. Задачі зустрічаються в різних галузях науки та техніки і потребують особливих методів для отримання стабільних та надійних результатів. Динамічний метод дозволяє ефективно розв'язувати такі задачі, отримуючи стабільні розв'язки.