Лавренюк, Алла МиколаївнаСалiй, Євгенiй Валерiйович2023-09-102023-09-102023Салій, Є. В. Оптимiзацiя вхiдного простору моделей машинного навчання для виявлення аномалiй в багатовимiрних геопросторових даних : дипломна робота … бакалавра : 113 Прикладна математика / Салій Євгенiй Валерiйович. – Київ, 2023. – 82 с.https://ela.kpi.ua/handle/123456789/60138Квалiфiкацiйна робота мiстить: 82 стор., 43 рисунки, 9 таблиць, 10 джерел. Метою роботи є пошук методiв для виявлення та побудови iнформативних ознак, що дозволять оптимiзувати вхiдний простiр моделей машинного навчання в задачах сегментацiї (виявлення аномалiй) на основi супутникових даних. Об’єктом дослiдження є лiси та методи їх монiторингу на основi супутникових даних. Предметом дослiдження є методи виявлення та вибору значущих ознак для вирiшення задач монiторингу на основi супутникових знiмкiв. У результатi було показано, що вiдстань Бгаттачар’я пiдходить для виявлення значущих ознак. Запропоновано метод вибору набору ознак, якi були б найбiльш iнформативними та найбiльш незалежними мiж собою. Було запропоновано схеми вегетацiйних iндексiв, що були б нечутливi до змiни яскравостi. Пiдтверджено експериментально, що використання запропонованого методу та схем дозволяють побудувати модель, щоб добре розв’язує задачу виявлення хворого хвойного лiсу.82 с.ukвiдстань бгаттачар’яbhattacharyya distanceмашинне навчанняmachine learningвегетацiйний iндексvegetation indexсемантична сегментацiяsemantic segmentationбагатошаровий перцептронmultilayer perceptronsentinel-2супутниковi данisatellite dataBachelor Thesis