Моделі та методи інтелектуального аналізу даних COVID – 19

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorЛупаненко, Софія Олександрівна
dc.contributor.authorСапєльніков, Олександр Сергійович
dc.date.accessioned2020-11-23T08:14:45Z
dc.date.available2020-11-23T08:14:45Z
dc.date.issued2020-06
dc.description.abstractenThesis: 249p, 23 tabl., 129 fig., 2 add. and 36 references. The object of the research of Part 2 is a sample of X-ray images of a healthy person and a patient with coronavirus. The object of the research of Part 3 is the sampling of morbidity and mortality from coronavirus. The subject of the research of Part 2 are methods of data mining based on convoluted neural network and image classification. The subject of the research of Part 3 are methods of data mining based on regression and time series analysis. Programming language Python. This work is a study of the possibility of classification of X-ray images and time series analysys. Collapsible neural networks in the case of part 2 and regression methods based on simple neural networks in the case of part 3 were used to build the models. The prediction was performed on the basis of X-ray images of healthy and sick people in the case of Part 2 and on the basis of time series of morbidity and mortality in the case of Part 3. When performing the work, models and methods were established that give the best results that are close enough to the real ones. The direction of development of work is in expansion of functionality and reduction of forecasting error. It is planned to add the possibility of classifying the type of coronavirus and to establish a relationship between mortality and morbidity in different countries.uk
dc.description.abstractukДипломна робота містить: 249 с., 23 табл., 129 рис., 2 дод. та 36 джерел. Об’єктом дослідження 2 частини є вибірка рентген зображень здорової людини та хворої на коронавірус. Об’єктом дослідження 3 частини є вибірка захворюваності та смертності на коронавірус. Предметом дослідження 2 частини є методи інтелектуального аналізу даних на основі згортокої нейронної мережи та класифікації зображень. Предметом дослідження 3 частини є методи інтелектуального аналізу даних на основі регресії та аналізу часових рядів. Програмною мовою була обрана Python. В даній роботі проведено дослідження можливості класифікації рентген зображень та проаналізовано часові ряди. Для побудови моделей були використані згортові нейронні мережи в випадку 2 частини та регресійні методи на основі простих нейронних мереж в випадку 3 частини. Прогнозування було виконано на основі рентген зображень здорових та хворих людей в випадку 2 частини та основі часових рядів захворювання та смертності в випадку 3 частини . При виконанні роботи було встановлено моделі та методи, що дають найкращі результати які достатньо близькі до реальних. Напрямок розвитку роботи є в розширенні функціоналу та зменшенні похибки прогнозування. Планується додати можливість класифікації типу коронавірусу та встановити залежність між смертністю та захворюваністю у різних країнах світу.uk
dc.format.page253 с.uk
dc.identifier.citationСапєльніков, О. С. Моделі та методи інтелектуального аналізу даних COVID – 19 : дипломна робота … бакалавра : 122 Комп'ютерні науки та інформаційні технології / Сапєльніков Олександр Сергійович, Лупаненко Софія Олександрівна. – Київ, 2020. – 253 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/37550
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectрегресіяuk
dc.subjectнейронна мережаuk
dc.subjectінтелектуальний аналіз данихuk
dc.subjectзгорткаuk
dc.subjectпрогнозування наявности хворобиuk
dc.subjectрентген зображенняuk
dc.subjectкласифікаціяuk
dc.subjectпрогнозування часових рядівuk
dc.subjectregressionuk
dc.subjectneural networkuk
dc.subjectintellectual data analysiuk
dc.subjectconvolutionuk
dc.subjectforecasting the predict of the diseaseuk
dc.subjectclassificationuk
dc.subjecttime series forecastinguk
dc.subjectx-ray imageuk
dc.titleМоделі та методи інтелектуального аналізу даних COVID – 19uk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 2 з 2
Ескіз
Назва:
Sapielnikov_Lupanenko_bakalavr.pdf
Розмір:
9.84 MB
Формат:
Adobe Portable Document Format
Завантажити
Ескіз недоступний
Назва:
license.txt
Розмір:
5.04 KB
Формат:
Item-specific license agreed upon to submission
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи