Тимощук, Оксана ЛеонідівнаКлименко, Ірина Олександрівна2023-04-122023-04-122022Клименко, І. О. Методи нестатичного прогнозування для відновлення зображень : магістерська дис. : 124 Системний аналіз / Клименко Ірина Олександрівна. – Київ, 2022. – 66 с.https://ela.kpi.ua/handle/123456789/54532Магістерська дисертація: 66 с., 20 табл., 10 рис., 3 додатки, 17 джерел. Дана робота присвячена вивченню методів та моделей вирішення задач класифікації та відновлення зображень. Також було запропоновано власний шлях вирішення задачі відновлення зображень для подальшої їхньої класифікації. Створено програмний продукт на мові Python для досягнення поставлених цілей. Об’єкт дослідження – нестатичне прогнозування. Предмет дослідження – методи нестатичного прогнозування для відновлення зображень. Мета роботи – розробити методи та технології використання нестатичного прогнозування для відновлення зображень у процесi машинного навчання. Актуальність – у сучасному свiтi значного поширення набули методи машинного навчання для розв’язання задач класифiкацiї зображень, або ж iдентифiкацiї конкретних об’єктiв на зображеннях. При розв’язаннi таких задач з’являються певнi проблеми, зокрема не завжди зображення є чiтким та зрозумiлим. Ця нечiткiсть на зображеннi шкодить iдентифiкацiї. Методи, якi будуть розглянути у цiй роботi, дозволяють вiдновлювати зображення до стану, прийнятного для машини, яка буде їх обробляти. Це дозволить покращити результати iдентифiкацiї, що у свою чергу надасть можливiсть приймати бiльш точне та зважене рiшення базуючись на даних. Шляхи подальшого розвитку предмету дослідження – розгляд та реалізація інших шляхів оптимізації процесу відновлення зображень. Дослідження інших видів нечіткості та розробка методів їх виправлення. Розробка методів автоматичної ідентифікації нечіткості. Використання запропонованого алгоритму відновлення для вирішення іншиих задач, зокрема кластеризації та генерації.66 с.ukвідновленнярозпізнаваннякласифікаціянейронні мережінестатичне прогнозуванняrecoveryrecognitionclassificationneural networksnon-static forecastingMaster Thesis004.032.26, 004.932