Спосіб обробки мультимодальних даних на основі методів штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorРоковий, Олександр Петрович
dc.contributor.authorГордієнко, Нікіта Юрійович
dc.date.accessioned2022-07-15T08:51:36Z
dc.date.available2022-07-15T08:51:36Z
dc.date.issued2022
dc.description.abstractenThe urgency of the problem. With the development of electroencephalography technologies and the development of new applications for brain research, there is a growing need to develop data analysis methods based on the latest practices of artificial intelligence used in other areas, such as deep learning, artificial neural networks. New applications make it possible to develop new applications for the useful applications and detection of diseases. New data processing methods can reduce the amount of resources required for new devices, reduce training time and increase the accuracy of analysis. This will create better applications and make them more common. Thus, the use of artificial intelligence methods, especially artificial neural networks, in this area may actually open up new opportunities for the creation of more compact and mass devices based on electroencephalography technologies. The purpose of the study. The aim of the master's thesis is to develop and compare modifications of data analysis methods from analog sensors from several channels. Object of the study. The object of this study are methods of analysis of multimodal EEG data collected from different sources. Subject of study. The subject of this work is the creation and comparison of systems for EEG data analysis based on artificial intelligence methods. Research methods and Scientific Novelty. In the master's work, methods of machine learning and creation of artificial neural networks were used. The scientific novelty of the study is provided by the following points: it was proposed to use recurrent, convolutional and fully connected layers in one architecture to make better use of spatial and temporal correlations; attention mechanisms have been used to improve the accuracy of electroencephalography data analysis; several unique models of artificial neural network architectures have been developed and compared; the training was performed on the cloud provider Kaggle. Practical value. The obtained results can be freely used in future research in the following areas: artificial neural networks for electroencephalography data analysis; research of connections between brain activity and human activity; practical use of neuro-computer interface.uk
dc.description.abstractukАктуальність. З розвитком технологій електроенцефалографії та розвитком нових застосувань для досліджень мозку, зростає необхідність розробки методів аналізу даних, на основі новітніх практик штучного інтелекту, що використовуються в інших сферах, такі як глибинне навчання, штучні нейронні мережі. Нові застосування дають змогу розробляти нові додатки для корисного використання та знаходження хвороб. Нові методи обробки даних можуть зменшити кількість ресурсів необхідних для нових пристроїв, зменшити час навчання та збільшити точність аналізу. Це дозволить створювати більш якісні застосування та зробити їх більш доступними. Отже використання методів штучного інтелекту, а саме штучних нейронних мереж, у даній сфері фактично може відкрити нові можливості для створення більш компактних та масових пристроїв на основі технологій електроенцефалографії. Мета дослідження. Метою магістерської роботи є розробка покращень та порівняння модифікацій методів аналізу даних з аналогових сенсорів з декількох каналів. Об'єктом даного дослідження є методи аналізу мультимодальних даних ЕЕГ зібраних з різних джерел. Предметом даної роботи є створення та порівняння систем для аналізу ЕЕГ даних на основі методів штучного інтелекту. Методи досліджень. В магістерський роботі було використано методи машинного навчання та створення штучних нейронних мереж. Наукова новизна проведеного дослідження забезпечена наступними пунктами: було запропоновано використання рекурентних, згорткових та повнозв’язних шарів у одній архітектурі для кращого використання просторових та часових зв’язків; були використані механізми уваги для покращення точності аналізу даних електроенцефалографії; розроблено декілька унікальних моделей архітектур штучних нейронних мереж, які були порівняні між собою; тренування проведено на хмарному провайдері Kaggle. Практична цінність. Отримані результати можуть бути вільно використані у майбутніх дослідженнях за напрямками: штучні нейронні мережі для аналізу даних електроенцелографії; дослідження зв'язків активності мозку і діяльності людини; практичне використання нейро-комп'ютерного інтерфейсу.uk
dc.format.page155 с.uk
dc.identifier.citationГордієнко, Н. Ю. Спосіб обробки мультимодальних даних на основі методів штучного інтелекту : магістерська диc. : 121 Інженерія програмного забезпечення / Гордієнко Нікіта Юрійович. – Київ, 2022. – 155 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/48852
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectштучні нейронні мережіuk
dc.subjectелектроенцефалографіяuk
dc.subjectінтерфейс мозок комп’ютерuk
dc.subjectкласифікація даних електроенцефалографіїuk
dc.subjectмеханізм увагиuk
dc.subjectзгорткові мережіuk
dc.subjectрекурентні мережіuk
dc.subjectartificial neural networksuk
dc.subjectelectroencephalographyuk
dc.subjectcomputer brain interfaceuk
dc.subjectelectroencephalography data classificationuk
dc.subjectattention mechanismuk
dc.subjectconvolutional networksuk
dc.subjectrecurrent neural networksuk
dc.subject.udc004.056.5uk
dc.titleСпосіб обробки мультимодальних даних на основі методів штучного інтелектуuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ОТ)
Магістерські роботи