Програмний модуль оптимізації параметрів моделі машинного навчання

Скорочена інформація про документ
dc.contributor.advisorМельник, Ігор Віталійович
dc.contributor.authorТарасенко, Вікторія Валеріївна
dc.date.accessioned2025-10-07T13:15:41Z
dc.date.available2025-10-07T13:15:41Z
dc.date.issued2025
dc.description.abstractДипломний проєкт спрямований на розробку евристики для моделі машинного навчання по аналізу узгодженості симуляції сигналу з експериментальними даними, використовуючи стохастичні методи Монте-Карло для апроксимації функцій правдоподібності оцінки чутливості сигналу у галузі фізики високих енергій, а саме вивчення кварк-глюонної плазми, що утворюється при зіткненнях важких іонів через дилептонний канал розпаду, використовуються дані ATLAS експерименту в ЦЕРН. Актуальність теми зумовлена зростаючою потребою в автоматизації обробки великих обсягів експериментальних даних і підвищення точності аналізу в галузі фізики високих енергій. Зазначена програмна реалізація може бути ефективно використана практично у створенні більш оптимальних нейронних мереж для подальшого дослідження теорії сигналів, аналізу великих обсягів даних та виробництві як економічних так і енергоефективних прикладних роботизованих систем зі вбудованим штучним інтелектом.
dc.description.abstractotherThe diploma project is aimed at the development of heuristics for a machine learning model to analyze the consistency between simulated signal and experimental data, using stochastic Monte Carlo methods to approximate likelihood functions for sensitivity estimation of the signal in the field of high-energy physics, specifically for the study of quark-gluon plasma formed in heavy ion collisions through the dilepton decay channel. The analysis is based on experimental data from the ATLAS experiment at CERN. The relevance of the topic is driven by the increasing need for the automation of large-scale experimental data processing and for improving the accuracy of analysis in the domain of high-energy physics. The developed software solution can be effectively utilized in practice for building more optimal neural networks for advanced signal theory studies, large-scale data analysis, and the development of both economically and energy-efficient applied robotic systems with embedded artificial intelligence.
dc.format.extent76 с.
dc.identifier.citationТарасенко, В. В. Програмний модуль оптимізації параметрів моделі машинного навчання : дипломний проєкт ... бакалавра : 171 Електроніка / Тарасенко Вікторія Валеріївна. – Київ, 2025. – 76 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76647
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectелектроніка
dc.subjectобробка сигналів
dc.subjectмодель машинного навчання
dc.subjectPython
dc.subjectelectronics
dc.subjectsignal processing
dc.subjectmachine learning model
dc.titleПрограмний модуль оптимізації параметрів моделі машинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 5 з 6
Ескіз
Назва:
Tarasenko_bachelor.pdf
Розмір:
1.58 MB
Формат:
Adobe Portable Document Format
Завантажити
Ескіз
Назва:
2025-bachelor-EDS_Tarasenko_Prohramnyy modul optymizatsiyi parametriv modeli_E1.pdf
Розмір:
27.18 KB
Формат:
Adobe Portable Document Format
Завантажити
Ескіз
Назва:
2025-bachelor-EDS_Tarasenko_Prohramnyy modul optymizatsiyi parametriv modeli_SA.jpg
Розмір:
3.41 MB
Формат:
Joint Photographic Experts Group/JPEG File Interchange Format (JFIF)
Завантажити
Ескіз
Назва:
2025-bachelor-EDS_Tarasenko_Prohramnyy modul optymizatsiyi parametriv modeli_SA1.jpg
Розмір:
2.76 MB
Формат:
Joint Photographic Experts Group/JPEG File Interchange Format (JFIF)
Завантажити
Ескіз
Назва:
2025-bachelor-EDS_Tarasenko_Prohramnyy modul optymizatsiyi parametriv modeli_SA2.jpg
Розмір:
3.1 MB
Формат:
Joint Photographic Experts Group/JPEG File Interchange Format (JFIF)
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ЕПС)
Бакалаврські роботи