Побудова графа та матриці суміжності для напівконтрольованого навчання

Скорочена інформація про документ
dc.contributor.advisorКот, Анатолій Тарасович
dc.contributor.authorЧернецький, Олексій Сергіойвич
dc.date.accessioned2023-09-15T15:49:09Z
dc.date.available2023-09-15T15:49:09Z
dc.date.issued2023
dc.description.abstractДипломна робота: 98 с., 12 табл., 14 рис., 1 додаток, 14 джерел. Мета роботи: дослідження напівконтрольованого навчання на основі графів, імплементація методу побудови графа та матриці суміжності, модифікація методу та порівняння за ефективністю з існуючим рішенням на основі результатів експериментів з використанням синтетичних даних. Актуальність роботи: враховуючи низьку вартість реалізації напівконтрольованого навчання та легкодоступність великої кількості немаркованих даних, напівконтрольовані алгоритми машинного навчання с кожним роком набувають все більшої актуальності. У зв’язку з цим, дослідження алгоритмів побудови графів, як складової напівконтрольованого навчання на основі графів, що напряму впливають на ефективність навчання, стає все більш необхідним та затребуваним. Об’єктом дослідження є використання напівкерованого навчання для розв’язку задач класифікації. Предметом дослідження є методи побудови графів та матриць суміжності. Методи дослідження: імплементація алгоритму напівконтрольованого навчання на основі граф засобами мови Python, модифікація алгоритму побудови матриці суміжності, проведення експериментів на основі синтетичних даних, порівняння результатів експериментів для модифікованого і не модифікованого алгоритму. Результати: було реалізовано та модифіковано досліджуваний алгоритм, проведені експерименти на синтетичних наборах даних, на основі їх результатах було порівняно два алгоритма та були отримані відповідні висновки.uk
dc.description.abstractotherThesis: 98 p., 12 tabl., 12 fig., 1 appendix, 14 sources Objective: The aim of this research is to investigate semi-supervised learning based on graphs, implement the graph construction method and adjacency matrix, modify the method, and compare its effectiveness with an existing solution based on experimental results using synthetic data. The relevance of the topic: Considering the low cost of implementing semi- supervised learning and the availability of a large amount of unlabeled data, semi- supervised machine learning algorithms are becoming increasingly relevant with each passing year. Therefore, researching graph construction algorithms as a component of graph-based semi-supervised learning, which directly affects the learning efficiency, becomes more necessary and in demand. The object of the research is the use of semi-supervised learning for classification problems. The subject of the research is the methods of graph construction and adjacency matrices. Research methods: Implementation of the semi-supervised learning algorithm based on graphs using Python programming language, modification of the adjacency matrix construction algorithm, conducting experiments using synthetic data, and comparing the results of experiments for the modified and unmodified algorithms. Results: The investigated algorithm was implemented and modified, experiments were conducted on synthetic datasets, and based on their results, two algorithms were compared, leading to corresponding conclusions.uk
dc.format.extent98 с.uk
dc.identifier.citationЧернецький, О. С. Побудова графа та матриці суміжності для напівконтрольованого навчання : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Чернецький Олексій Сергіойвич. – Київ, 2023. – 98 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60414
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectнапівконтрольоване навчанняuk
dc.subjectкласифікаціяuk
dc.subjectпобудова графа та матриці суміжностіuk
dc.subjectмашине навчанняuk
dc.subjectsemi-supervised learninguk
dc.subjectclassificationuk
dc.subjectgraph constructionuk
dc.subjectadjacency matrixuk
dc.subjectmachine learninguk
dc.titleПобудова графа та матриці суміжності для напівконтрольованого навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Chernetskyi_bakalavr.docx.docx
Розмір:
1.83 MB
Формат:
Microsoft Word XML
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 (ШІ)
Бакалаврські роботи