Магістерські роботи (ШІ)
Постійне посилання зібрання
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.
Переглянути
Нові надходження
Документ Відкритий доступ Об'ємна сегментація медичних зображень на основі самонавчання з використанням квантових обчислень(КПІ ім. Ігоря Сікорського, 2024) Павлов, Роман Вадимович; Синєглазов, Віктор МихайловичМагістерська дисертація: 117 с., 12 рис., 13 табл., 19 посилань, додаток. Об’єкт дослідження – процеси об’ємної сегментації медичних зображень. Предмет дослідження – методи самонавчання та квантових обчислень для об’ємної сегментації медичних зображень. Мета роботи – розробка методу об’ємної сегментації медичних зображень, що використовує самонавчання та квантові алгоритми, з метою підвищення точності й ефективності обробки тривимірних даних. У роботі розглянуто, описано та використано різні методи та архітектури об’ємної сегментації медичних зображень із застосуванням квантових обчислень. У результаті побудовано модель об’ємної сегментації з інтеграцією самонавчання та квантових алгоритмів, що вирішує поставлену в роботі задачу.Документ Відкритий доступ Виявлення шахрайської платіжної діяльності на основі методів ШІ(КПІ ім. Ігоря Сікорського, 2024) Пишнюк, Артем Олегович; Кузнєцова, Наталія ВолодимирівнаМагістерська дисертація: 109 с., 27 рис., 24 табл., додаток, 15 посилань. Об’єкт дослідження: методи і моделі штучного інтелекту. Предмет дослідження: методи і моделі класифікації для прогнозування шахрайських платіжних транзакцій. Мета дослідження: розробка ефективної моделі штучного інтелекту для автоматичного прогнозування ймовірності шахрайства у платіжних транзакціях в мережі інтернет. Використані моделі: у програмній реалізації було використано нейронні мережі, SVM, логістичну регресію, дерева рішень, випадковий ліс, XGBoost. Актуальність роботи зумовлена різким зростанням кількості платіжного шахрайства в мережі інтернет в останні роки. Це в свою чергу стає все більшою загрозою для світової економіки та фінансової безпеки, а приватні та державні установи несуть все більші збитки. Шахраї постійно вдосконалюють способи обману та шукають нові задля незаконного збагачення за рахунок платіжних онлайн-систем. Отриманні результати: побудована якісна модель виявлення шахрайських платіжних онлайн-транзакцій, що може прогнозувати ймовірність конкретної транзакції бути шахрайською. У межах подальшого дослідження пропонується перш за все підвищувати якість розмітки даних, шукати нові ознаки, збільшувати інформативність вже наявних, застосувати нові методи і підходи, такі як, наприклад, метод виявлення аномалій.Документ Відкритий доступ Використання рекомендаційної системи у транспортній галузі на основі методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Поліщук, Максим Сергійович; Гуськова, Віра ГеннадіївнаМагістерська дисертація: 105с., 16 рис., 25 табл., додаток, 20 посилань Тема магістерської дисертації: «Використання рекомендаційної системи у транспортній галузі на основі методів штучного інтелекту ». Мета роботи - розробка рекомендаційної системи на основі сучасних методів машинного навчання для надання персоналізованих рекомендацій користувачам платформи електронної комерції. Об’єкт дослідження - створення рекомендаційної системи транспорту, яка використовує методи штучного інтелекту для аналізу та обробки даних про користувачів та транспортні засоби з метою надання персоналізованих рекомендацій. Предмет дослідження - методи та алгоритми рекомендаційних систем, що використовуються для покращення процесу вибору транспорту користувачами на маркетплейсах. Для досягнення мети були поставлені такі задачі: − аналіз предметної області та доступних даних; − порівняння існуючих підходів до побудови рекомендаційних систем; − адаптація вибраного методу під специфіку платформи; − розробка програмної реалізації рекомендаційної системи; − оцінка ефективності моделі. Програмний продукт реалізовано з використанням мови програмування Python який надає широкий спектр бібліотек для навчання нейронних мереж та аналізу даних.Документ Відкритий доступ Напівконтрольована гібридна мережа для сегментації МРТ-зображень хребта(КПІ ім. Ігоря Сікорського, 2024) Похиленко, Олександр Андрійович; Чумаченко, Олена ІллівнаМагістерська дисертація: 95 с., 29 рис., 6 табл., 34 посилання, 2 додатки. Об’єкт дослідження – штучні нейронні мережі для сегментації МРТ-зображень хребта. Предмет дослідження – методи розробки гібридних архітектур штучних нейронних мереж та застосування напівкерованого навчання для сегментації МРТ-зображень хребта. Мета роботи – розробка гібридної архітектури штучної нейронної мережі для сегментації МРТ-зображень хребта та її навчання з використанням методів напівкерованого навчання. Результатом роботи є розроблення гібридної архітектури BAFUNet для сегментації МРТ-зображень хребта та навчання моделі цієї архітектури за допомогою методу напівкерованого навчання Mean Teacher з двонаправленим копіюванням та вставкою. Також запропонована інтелектуальна медична система діагностики деформації міжхребцевих дисків, що використовує мережі BAFUNet та ResNet-18. Основні положення доповідалися на міжнародній науково-технічній конференції «Штучний інтелект та інтелектуальні системи – AIIS’2024» та опублікувано у фаховому науковому періодичному виданні «Штучний інтелект».Документ Відкритий доступ Інтелектуальна система обробки медичних зображень з використанням методу нульового навчання(КПІ ім. Ігоря Сікорського, 2024) Решетник, Олексій Олександрович; Синєглазов, Віктор МихайловичМагістерська дисертація: 134 с., 16 рис., 26 табл., 108 посилань, додаток. Об’єкт дослідження – рак шкіри, меланома. Предмет дослідження – інтелектуальна система діагностики на основі використання методу нульового навчання. Мета роботи – розробка інтелектуальної системи обробки медичних зображень раку шкіри, використовуючи метод zero-shot learning. Наукова новизна дисертації полягає у використанні гібридного методу, який поєднує zero-shot learning та технологію YOLOv11. Запропонована архітектура нейронної мережі здатна ефективно сегментувати.Документ Відкритий доступ Інтелектуальна система класифікації на основі графового підходу(КПІ ім. Ігоря Сікорського, 2024) Ручкін, Олександр Костянтинович; Синєглазов, Віктор МихайловичМагістерська дисертація: 116 с., 250 рис., 2 табл., 44 посилань, 2 додатка. Назва дослідження: «Інтелектуальна система класифікації на основі графового підходу». Мета роботи: розробка нових і поліпшення існуючих методів GSSL та на їх основі розробка інтелектуальної системи вирішення задач класифікації для синтетичних та реальних даних. Об'єкт дослідження: методи напівконтрольованого навчання на основі графів, що використовуються для вирішення задач класифікації, коли є лише обмежена кількість мічених даних у великих наборах. Предмет дослідження: предметом дослідження є гібридні методи GSSL засновані на вирішення рівняння дифузії для застосування у алгоритму розповсюдження міток у великих графових моделях. Наукова новизна: запропоновано новий метод GSSL - узагальнений підхід Diffuse Label Propagation на основі рівнянь Пуассону. Практичне значення: розроблено програмне забезпечення інтелектуальної системи классифікації даних. Програма дозволяє: відображати дані, будувати граф даних, обчислювати метрики, будувати графік точності для заданої послідовності початкових даних, обчислювати та будувати статистичні характеристики середнього та середньої похибки точності методу. Система орієнтована на науковців, інженерів даних та студентів, які працюють із задачами машинного навчання та класифікації. Програма також орієнтована на застосування у медицині як інструмент автоматичної медичної діагностиці та класифікації ризиків серцево-судинних захворювань. Результати цієї роботи були апробовані на міжнародних конференціях.Документ Відкритий доступ Інтелектуальна обробка зображень на автономних підводних апаратах(КПІ ім. Ігоря Сікорського, 2024) Савченко, Михайло Володимирович; Синєглазов, Віктор МихайловичМагістерська дисертація: 103 с., 38 рис., 19 табл., 44 посиланя, додаток. Об’єкт дослідження – технології комп’ютерного зору. Предмет дослідження – інтелектуальна обробка зображень, знятих у підводному середовищі. Мета роботи – створення інтелектуальної системи, здатної ефективно вирішувати задачу розпізнавання підводних об'єктів при низькій обчислювальній складності. Результатами дослідження є створення авторської методології, яка включає метод попередньої обробки зображень для зменшення впливу оптичних перешкод у підводному середовищі; метод структурно-параметричного синтезу нейронної мережі для розпізнавання об'єктів на підводних знімках; метод стиснення нейронної мережі для забезпечення роботи в умовах обмеженої потужності та автономності. Практичне значення роботи полягає в можливості побудови нейронної мережі детектування об’єктів на основі поданої методології та її розміщення на окремому апаратному модулі для автономного підводного апарату, який дозволить йому виконувати прикладні задачі, що базуються на локалізації та класифікації об’єктів інтересу. Основні положення роботи викладено в роботі В. Синєглазова, М. Савченка і В. Литвиненка "Efficient small and overlapping target detection in underwater images" та представлено на 4th Int. Workshop IT-professionals Artif. Intell. (ProfIT AI 2024) у вересні 2024 року.Документ Відкритий доступ Класифікація хвороб сільськогосподарських культур із застосуванням машинного навчання(КПІ ім. Ігоря Сікорського, 2024) Зиблий, Євгеній Олександрович; Пишнограєв, Іван ОлександровичДипломна робота – 88 с., 21 табл., 29 рис., додаток, 15 джерел. Тема: Класифікація хвороб сільськогосподарських культур із застосуванням машинного навчання. У роботі розглянуто та проаналізовано різні архітектури нейромереж для діагностики захворювань сільськогосподарських культур за допомогою зображень рослин. Об’єкт дослідження: процес класифікації захворювань сільськогосподарських культур. Предмет дослідження: моделі глибинного навчання, зокрема глибокі та згорткові нейронні мережі. Мета роботи: проаналізувати існуючі методи діагностики захворювань сільськогосподарських культур та розробити програмне забезпечення для підвищення точності класифікації цього процесу. Створено програмний продукт для діагностики захворювань сільськогосподарських культур на основі зображень рослин. Для проведення аналізу було використано два набори даних, що сумарно містять 31300 зображень.Документ Відкритий доступ Прогнозування цін акцій за допомогою історичних даних та сентиментального скорингу новин з використанням методів напівкерованого навчання(КПІ ім. Ігоря Сікорського, 2024) Качан, Дмитро Сергійович; Недашківська, Надія ІванівнаМагістерська дисертація: 102 с., 16 рис., 25 табл., 19 посилань, додаток. Це дослідження присвячено розробці моделі для прогнозування цін акцій компанії Amazon на основі комбінації історичних даних та сентиментального аналізу новин. Об’єкт дослідження: процес прогнозування цін акцій на основі різних джерел інформації, зокрема історичних даних та аналізу новин, що включає застосування методів машинного навчання. Предмет дослідження: моделі машинного навчання, зокрема напівкеровані методи навчання для аналізу інформації новин та історичних даних для передбачення цін акцій на фінансових ринках. Мета дослідження: розробка ефективної методології прогнозування цін акцій, що поєднує історичні фінансові дані та сентиментальний аналіз новин, з використанням напівкерованих методів машинного навчання для поліпшення точності прогнозів. Практична значущість: Розроблена модель може бути використана інвесторами та аналітиками для прийняття обґрунтованих рішень щодо інвестування. Перспективи подальших досліджень: Розширення дослідження на інші фінансові інструменти та компанії, дослідження впливу різних факторів на точність прогнозів, а також розробка більш складних моделей, що враховують додаткові фактори, такі як новини з інших джерел, соціальні мережі тощо. Результати дослідження апробовано на МНПК «Інформаційні технології та комп’ютерне моделювання» (м. Івано-Франківськ, 21-24 травня 2024 року) [16]Документ Відкритий доступ Дистанційний безконтактний метод визначення деяких біосигналів людини з відеопотоку. Визначення артеріального тиску(КПІ ім. Ігоря Сікорського, 2024) Коваль, Максим Дмитрович; Тимошенко, Юрій ОлександровичМагістерська дисертація: 128 с., 25 табл., 25 рис., додаток, 20 джерел. Об’єкт дослідження – Застосування методу фотоплетизмографії в сфері охорони здоров’я. Предмет дослідження – безконтактний дистанційний метод визначення біосигналів (артеріального тиску, пульсу) людини. Мета роботи – розробка нейронної мережі для визначення показників біосигналів людини, зокрема артеріального тиску, з даних фотоплетизмограми, отриманої з відео-потоку. Актуальність – розробка неінвазійних дистанційних діагностичних програм для моніторингу серцево-судинної системи людини. Ця робота досліджує та аналізує підходи до вивчення біосигналів людини на основі фотоплетизмограми, яка є одним із найпоширеніших методів, із застосуванням машинного навчання для розв'язання задач регресії. Подальший розвиток предмету дослідження – оптимізація апроксимації артеріального тиску, виходячи з сигналу фотоплетизмограми.Документ Відкритий доступ Інтелектуальна система обчислення трабекулярного кісткового показника(КПІ ім. Ігоря Сікорського, 2024) Ель-Шбейр, Александер Жан Філіпп; Синєглазов, Віктор МихайловичМагістерська дисертація: 103 с., 18 рис., 9 табл., 2 додатки, 28 посилань. Об’єкт дослідження – інтелектуальна система обробки медичних зображень, спрямована на обчислення трабекулярного кісткового показника. Предмет дослідження – розробка та оптимізація програмного забезпечення для точного визначення трабекулярного кісткового показника. Мета дослідження полягає в створенні та вдосконаленні інтелектуальної системи для обчислення трабекулярного кісткового показника та вивченні його зв'язку з різними захворюваннями та факторами ризику. Актуальність теми – медична діагностика та обробка медичних зображень є надзвичайно важливими в галузі сучасної медицини. Зокрема, розвиток інтелектуальних систем для обчислення трабекулярного кісткового показника визначається актуальністю ранньої діагностики та лікування захворювань опорно—рухового апарату. Практичне значення. Результати дослідження можуть слугувати основою для розробки ефективних інтелектуальних систем у медичній галузі, сприяючи покращенню діагностики та лікування.Документ Відкритий доступ Дослідження впливу новинних повідомлень на ринок криптовалют з використанням методів штучного інтелекту(КПІ ім. Ігоря Сікорського, 2024) Дорошенко, Сергій Володимирович; Пишнограєв, Іван ОлександровичМагістерська дисертація: 109 сторінок, 17 рисунків, 17 таблиць, додаток, 35 посилань. Об'єкт дослідження – ринок криптовалют, його поведінка під впливом зовнішніх факторів, включаючи новинні повідомлення. Предмет дослідження – вплив новинних повідомлень на ціни основних криптовалют, зокрема через їх емоційне забарвлення та структурні характеристики. Мета роботи – створення системи прогнозування змін ринку криптовалют на основі аналізу новинних потоків із використанням методів штучного інтелекту. Дослідження включає аналіз новинних повідомлень і історичних даних про криптовалюти, розробку методології обробки текстових даних, побудову моделей машинного навчання та оцінку їхньої ефективності. Новизна роботи полягає у врахуванні унікальних характеристик ринку криптовалют, таких як мінливість цін і залежність від соціальних трендів. Використання новин як зовнішніх факторів підвищило точність прогнозів. Запропонована система продемонструвала високу ефективність і враховує емоційні та структурні впливи на ринок.Документ Відкритий доступ Обробка гіперспектральних зображень на основі просторово-орієнтованої мережі залишкової уваги(КПІ ім. Ігоря Сікорського, 2024) Гордун, Михайло Валентинович; Чумаченко, Олена ІллівнаМагістерська дисертація: 116 с., 17 рис., 13 табл., 61 посилання, додаток. Об’єкт дослідження – просторово-орієнтовані мережі залишкової уваги для класифікації гіперспектральних даних. Предмет дослідження – методи та підходи до навчання просторово-орієнтовані мережі залишкової уваги для класифікації гіперспектральних даних. Мета роботи – розробка методу обробки гіперспектральних зображень, який забезпечує високу точність класифікації пікселів, особливо у межових областях класів, використовуючи просторово-орієнтовану мережу залишкової уваги. У роботі детально розглянуто фізичні основи отримання гіперспектральних зображень, методи їх обробки, включаючи класичні та сучасні методи глибокого навчання. Запропоновано архітектуру нейронної мережі, що включає модулі просторової та спектральної уваги та модуль спільного виділення спектрально-просторових ознак. Проведено оцінку запропонованого методу на основі стандартних метрик точності.Документ Відкритий доступ Пошук відповідності між точками та їх відстеження в складних відеосередовищах(КПІ ім. Ігоря Сікорського, 2024) Бірук, Сергій Володимирович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 115 с., 10 рис., 11 табл., 18 посилань, додаток. Об'єктом дослідження є процес відстеження точок у зображеннях та відеопослідовностях в умовах складних відеосередовищ. Предметом дослідження є методи та алгоритми пошуку відповідностей між точками та їх відстеження у складних відеосередовищах, зокрема сучасні моделі глибокого навчання та нейронні мережі, що застосовуються для підвищення точності та надійності відстеження. Метою роботи є дослідження та покращення методів пошуку відповідностей між точками та їх відстеження у складних відеосередовищах. Це включає аналіз існуючих підходів, ідентифікацію їхніх обмежень та потенціалу для покращення, а також впровадження нового або вдосконаленого методу, заснованого на сучасних технологіях глибокого навчання та нейронних мережах. Основна мета полягає у підвищенні точності, стійкості та швидкодії відстеження точок в умовах оклюзій, швидких рухів та змін освітлення, що сприятиме ефективному застосуванню цих методів у практичних задачах комп'ютерного зору.Документ Відкритий доступ Інтелектуальна система класифікації зображень на основі згорткових нейронних мереж, візуальних трансформерів і методів параметрично-ефективного донавчання(КПІ ім. Ігоря Сікорського, 2024) Заборський, Демид Дмитрович; Недашківська, Надія ІванівнаМагістерська дисертація: 99 с., 13 рис., 19 табл., 31 посилання, додаток Мета роботи – дослідження та порівняння архітектур глибоких нейронних мереж у контексті виконання задачі класифікації зображень з використанням методів параметрично-ефективного донавчання за допомогою метрик часу, розміру та якості роботи моделей. Проведено опис усіх обраних архітектур візуальних трансформерів (ViT Deit, Beit, Swin) та згорткових нейронних мереж (RegNet, Res2Net, ConvNeXt, PNASNet, NFNet-F) у контексті їх шарової архітектури, сильних та слабких сторін. Наведено опис параметро-ефективних методів донавчання, таких як LoRA, Adapter Tuning. Також було запропоновано власну модифікацію Adapter Tuning з масштабованими адаптерами. Розроблено програму інтелектуальної системи, у якій було побудовано моделі глибоких нейронних мереж з реалізацією обраних PEFT-методів у середовищі Jupyter Notebook на мові програмування Python. Проведено опис набору даних для проведення досліджень. Проведено планування стартап-проєкту для виведення програмного продукту на користувацький ринок. Результати дослідження апробовано на міжнародній конференції «Інформаційні технології та комп’ютерне моделювання» від 21-24 травня 2024 року у роботі «Система класифікації зображень глибокими згортковими нейронними мережами».Документ Відкритий доступ Напівкероване моделювання впливу з використанням мета-учнів для електронної комерції(КПІ ім. Ігоря Сікорського, 2024) Заіка, Богдан Юрійович; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 98 с., 36 рис., 22 табл., 30 посилань, додаток. Актуальність цієї роботи зумовлено необхідністю підприємств будувати моделі впливу, використовуючи малу частку користувачів для експерименту, щоб мінімізувати витрати та непередбачуваний вплив на клієнтську базу. Об’єктом дослідження є дані про користувачів, яким підприємство надсилало реклами. Предметом дослідження є моделі впливу, поєднані з методом напівкерованого навчання для покращення їх здатності визначати найкращих клієнтів для взаємодії залежно від поставленої цілі. Метою роботи є створення трьох напівкерованих методів моделювання впливу, порівняння їх роботи з керованими версіями методів та реалізація програмного продукту на мові програмування Python. Наукова новизна роботи полягає в об’єднанні напівкерованого методу RESSEL з мета-учнями впливу для покращення результатів роботи цих моделей. В результаті запропоновано три нових методи напівкерованого навчання мета-учнів впливу: RESSES-Learner, RESSEZ-Learner та RESSET- Learner. Результати роботи апробовано на конференції.Документ Відкритий доступ Структурно параметричний синтез гібридних рекурентних нейронних мереж для обробки природної мови(КПІ ім. Ігоря Сікорського, 2024) Москаленко, Роман Юрійович; Синєглазов, Віктор МихайловичМагістерська дисертація: 107 c., 20 табл., 37 рис., 26 посилань, додаток. Актуальність теми дослідження полягає в необхідності моделей нейронних мереж для обробки природної мови вузької спеціалізації. Об’єктом дослідження є структурно-параметричний синтез гібридних нейронних мереж. Предметом дослідження є мережі LSTM та GRU та способи їх поєднання для покращення точності гібридної мережі. Мета роботи – розробити гібридну рекурентну нейронну мережу з найпростішою архітектурою, яка найкраще виконує задачу класифікації на визначеному наборі даних. У роботі розглянуто різні архітектури рекурентних мереж, трансформерів, механізм уваги та використано найефективніші з них. У результаті роботи побудовано модель гібридної мережі LSTM та GRU яка найкраще виявляє синтаксичні та семантичні закономірності тексту, а також проводить його класифікацію.Документ Відкритий доступ Структурно-параметричний синтез агностичних нейронних мереж(КПІ ім. Ігоря Сікорського, 2024) Ткачук, Артем Олександрович; Синєглазов, Віктор МихайловичМагістерська дисертація: 70 с., 16 рис., 52 джерел. Об’єкт дослідження - структурно-параметричний синтез агностичних нейронних мереж (WANN). Предмет дослідження - агностичні нейронні мережі для пошуку оптимально функціональних архітектур за відсутності навчання та тренування вагових коефіцієнтів. Мета роботи - дослідження структури WANN та методу еволюційного пошуку архітектури з ігоруванням налаштування вагових коефіцієнтів. У роботі проведено дослідження структури агностичних нейронних мереж, створено оптимальні архітектури для керування існуючими агентам у віртуальному середовищі OpenAI gym. В рамках роботи над магістерською дисертацією створено детальний опис алгоритму роботи WANN. Під час еволюційного пошуку оптимальних архітектур зафіксовано рівень перформансу на кожній ітерації та вказано gpu час витрачений на пошук відповідних архітектур.Документ Відкритий доступ Встановлення відповідності зображення і мовного опису за допомогою глибинного навчання(КПІ ім. Ігоря Сікорського, 2024) Крижанівська, Олена Володимирівна; Шаповал, Наталія ВіталіївнаМагістерська дисертація: 86 с., 17 табл., 19 рис., 28 посилань, 1 додаток. Об’єкт дослідження – вибірка даних, пари зображень та текстових описів до них. Предмет дослідження – нейронна мережа, завдання якої встановлювати відповідність між мовним описом та зображеннями. Мета дослідження – запропонувати модель, що з високою точністю встановлюватиме відповідність між описом та зображенням. У сучасній інформаційній ері, коли обсяги доступної інформації надзвичайно великі, виникає необхідність розробки та вдосконалення методів автоматичної обробки текстової і графічної інформації. Однією з актуальних задач є встановлення відповідності між зображеннями і мовними описами, що відкриває безліч можливостей для розвитку різних застосувань, в тому числі покращення пошукових систем, автоматичне розпізнавання зображень та підтримку людей з обмеженими можливостями. Відповідність між графічною та текстовою інформацією важлива для багатьох сучасних додатків і систем, таких як пошукові системи, розпізнавання образів, аналіз медичних даних і багато інших. Метою дослідження є запропонувати модифіковану модель. Це дозволить покращити якість та швидкість роботи інформаційних систем, що базуються на аналізі інформації. Основні положення дослідження доповідалися на конференції «Системи і технології зв’язку, інформатизації та кібербезпеки: актуальні питання і тенденції розвитку» та висвітлено у публікаціях автора у фаховому виданні категорії Б.Документ Відкритий доступ Дослідження масштабованості архітектури сходових нейронних мереж для високонавантажених задач обробки великих наборів даних(КПІ ім. Ігоря Сікорського, 2024) Єрко, Андрій Вадимович; Синєглазов, Віктор МихайловичМагістерська дисертація: 116 сторінки, 15 таблиці, 18 рисунків, додаток, 21 посилання. Мета дослідження — підвищити швидкодію архітектури сходових нейронних мереж шляхом застосування методів підвищення масштабованості. Об’єкт дослідження — сходові нейронні мережі. Предмет дослідження — методи підвищення масштабованості сходових нейронних мереж в високонавантажених задачах. Методи дослідження — квантизація після навчання та навчання з урахуванням квантизації в цільночислені представлення чисел та представлення з плаваючою комою на процесорі та відеоприскорювачі CUDA. Розглянуто проблеми масштабованості cходових нейронних мереж для високонавантажених задач машинного навчання. Досліджено методи квантизації вагів сходових нейронних мереж до різної точності представлення чисел на процесорі та прискорювачі CUDA. Проведено експерименти щодо їх впливу на точність прогнозування, швидкодію обробки даних, та розмір результуючого файлу моделі. Проаналізовано та порівняно результати різних методів квантизації та її відсутності на ефективність використання сходових нейронних мереж до задач обробки даних. Результати роботи можуть бути використані для підвищення масштабованості та швидкодії сходових нейронних мереж в високонавантажених задачах, де їх застосування цієї архітектури є доцільним, наприклад, обробка відео та аудіосигналу, задачі обробки зображень та інші.