Алгоритмічно-програмний метод для прогнозування даних з мультимодальним розподілом на основі моделі MDN

Скорочена інформація про документ
dc.contributor.advisorШкурат, Оксана Сергіївна
dc.contributor.authorФедорчук, Іван Васильович
dc.date.accessioned2025-10-16T12:33:11Z
dc.date.available2025-10-16T12:33:11Z
dc.date.issued2025
dc.description.abstractДана магістерська дисертація присвячена розробленню та реалізації алгоритмічно-програмного методу прогнозування даних з мультимодальним розподілом на основі моделі MDN. В ході даної магістерської дисертації було проаналізовано ряд існуючих підходів та методів прогнозування даних з мультимодальним розподілом та запропоновано програмний метод прогнозування даних з мультимодальним розподілом на основі моделі машинного навчання архітектури MDN та ймовірнісної функції втрат для навчання моделі, що дозволяє збільшити точність прогнозування на 4,56% для синтетичних наборів даних з чітко визначеними мультимодальними характеристиками, а також на 11,57% та 2,47% для двох наборів даних, що відображають прикладні задачі. Практичне значення отриманих результатів полягає в тому, що запропонований метод прогнозування даних з мультимодальним розподілом може використовуватись як самостійна система прогнозування в умовах невизначеності, зберігаючи при цьому сумісність із класичною архітектурою MDN, що дозволяє легко інтегрувати його в існуючі системи прогнозування даних. У даній магістерській дисертації розроблено програмне забезпечення для прогнозування даних з мультимодальним розподілом, зокрема для розв’язання задачі зворотньої кінематики двохсегментного маніпулятора.
dc.description.abstractotherThis master's thesis is dedicated to the development and implementation of an algorithmic and software method for predicting data with multimodal distribution based on the MDN model. In the course of this thesis, a number of existing approaches and methods for predicting data with a multimodal distribution were analyzed, and a software-based method for predicting such data was proposed. This method is based on a machine learning model using the MDN architecture and a probabilistic loss function for model training. It improves predicting accuracy by 4.56% for synthetic datasets with clearly defined multimodal characteristics, as well as by 11.57% and 2.47% for two datasets representing applied problem domains. The practical significance of the obtained results lies in the fact that the proposed method for predicting data with a multimodal distribution can be used as a standalone predicting system under uncertainty, while maintaining compatibility with the classical MDN architecture. This ensures easy integration into existing data predicting systems. As part of this thesis, software was developed for predicting data with a multimodal distribution, specifically for solving the inverse kinematics problem of a two-segment manipulator.
dc.format.extent144 с.
dc.identifier.citationФедорчук, І. В. Алгоритмічно-програмний метод для прогнозування даних з мультимодальним розподілом на основі моделі MDN : магістерська дис. : 121 Інженерія програмного забезпечення / Федорчук Іван Васильович. – Київ, 2025. – 144 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76915
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінженерія програмного забезпечення
dc.subjectдані з мультимодальним розподілом
dc.subjectрозподіл Гауса
dc.subjectмодель MDN
dc.subjectфункція втрат
dc.subject.udc004.032.26:519.2
dc.titleАлгоритмічно-програмний метод для прогнозування даних з мультимодальним розподілом на основі моделі MDN
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Fedorchuk_magistr.pdf
Розмір:
5.79 MB
Формат:
Adobe Portable Document Format
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

Магістерські роботи (ПЗКС)
Магістерські роботи