Оптимiзацiя вхiдного простору моделей машинного навчання для виявлення аномалiй в багатовимiрних геопросторових даних

Скорочена інформація про документ
dc.contributor.advisorЛавренюк, Алла Миколаївна
dc.contributor.authorСалiй, Євгенiй Валерiйович
dc.date.accessioned2023-09-10T16:58:42Z
dc.date.available2023-09-10T16:58:42Z
dc.date.issued2023
dc.description.abstractКвалiфiкацiйна робота мiстить: 82 стор., 43 рисунки, 9 таблиць, 10 джерел. Метою роботи є пошук методiв для виявлення та побудови iнформативних ознак, що дозволять оптимiзувати вхiдний простiр моделей машинного навчання в задачах сегментацiї (виявлення аномалiй) на основi супутникових даних. Об’єктом дослiдження є лiси та методи їх монiторингу на основi супутникових даних. Предметом дослiдження є методи виявлення та вибору значущих ознак для вирiшення задач монiторингу на основi супутникових знiмкiв. У результатi було показано, що вiдстань Бгаттачар’я пiдходить для виявлення значущих ознак. Запропоновано метод вибору набору ознак, якi були б найбiльш iнформативними та найбiльш незалежними мiж собою. Було запропоновано схеми вегетацiйних iндексiв, що були б нечутливi до змiни яскравостi. Пiдтверджено експериментально, що використання запропонованого методу та схем дозволяють побудувати модель, щоб добре розв’язує задачу виявлення хворого хвойного лiсу.uk
dc.description.abstractotherThesis contains 82 pages, 43 figures, 9 tables, 10 sources of literature. The purpose of the work is to find methods for identifying and constructing informative features that will allow optimizing the input space of machine learning models in segmentation tasks (detection of anomalies) based on satellite data. The object of research is forests and methods of their monitoring based on satellite data. The subject of the study is methods of identifying and selecting significant features for solving monitoring tasks based on satellite images. As a result, it was shown that the Bhattacharyya distance is suitable for detecting significant features. A method of selecting a set of features that would be the most informative and most independent of each other is proposed. Vegetation index schemes were proposed, which would be insensitive to brightness changes. It has been experimentally confirmed that the use of the proposed method and schemes allow to build a model that well solves the problem of identifying a diseased coniferous forest.uk
dc.format.extent82 с.uk
dc.identifier.citationСалій, Є. В. Оптимiзацiя вхiдного простору моделей машинного навчання для виявлення аномалiй в багатовимiрних геопросторових даних : дипломна робота … бакалавра : 113 Прикладна математика / Салій Євгенiй Валерiйович. – Київ, 2023. – 82 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60138
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectвiдстань бгаттачар’яuk
dc.subjectbhattacharyya distanceuk
dc.subjectмашинне навчанняuk
dc.subjectmachine learninguk
dc.subjectвегетацiйний iндексuk
dc.subjectvegetation indexuk
dc.subjectсемантична сегментацiяuk
dc.subjectsemantic segmentationuk
dc.subjectбагатошаровий перцептронuk
dc.subjectmultilayer perceptronuk
dc.subjectsentinel-2uk
dc.subjectсупутниковi данiuk
dc.subjectsatellite datauk
dc.titleОптимiзацiя вхiдного простору моделей машинного навчання для виявлення аномалiй в багатовимiрних геопросторових данихuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Salii_bakalavr.pdf
Розмір:
9.5 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи