Куссуль, Наталія МиколаївнаПоштаренко, Сергiй Сергiйович2026-06-122026-06-122026Поштаренко, С. С. Розпiзнавання рукописних цифр i лiтер, порiвняння класичних ML та сучасних DL методiв : дипломна робота ... бакалавра : 113 Прикладна математика / Поштаренко Сергiй Сергiйович. – Київ, 2026. – 94 с.https://ela.kpi.ua/handle/123456789/81627Квалiфiкацiйна робота мiстить: 94 стор., 18 рисункiв, 10 таблиць, 19 джерел. Метою квалiфiкацiйної роботи є пiдвищення точностi розпiзнавання багатомовних рукописних текстiв шляхом розробки комбiнованої системи, що поєднує методи комп’ютерного зору та лексичного аналiзу. Об’єктом дослiдження є процес оптичного розпiзнавання мiшаних рукописних символiв. Предметом дослiдження є алгоритми машинного навчання та математичнi моделi лексичного декодування для усунення вiзуальної неоднозначностi омоглiфiв. У ходi роботи сформовано та збалансовано набiр даних, що мiстить кириличнi, латинськi символи та цифри. Проведено емпiричний порiвняльний аналiз базових алгоритмiв машинного навчання (k-NN, LinearSVC, Random Forest) та згорткової нейронної мережi. Встановлено, що архiтектура забезпечує найвищу точнiсть на рiвнi 94.6% зi швидкiстю iнференсу 28.35 мс на 1000 символiв. Для розв’язання проблеми абсолютних омоглiфiв розроблено алгоритм багаторiвневого лексичного декодування, який використовує детермiноване мовне якорування та ймовiрнiсну N-грамну мовну модель. Запропонованi алгоритми iнтегровано в єдиний програмний конвеєр iз розробленим графiчним iнтерфейсом користувача. Тестування системи пiдтвердило її здатнiсть автоматично визначати мовний макроконтекст i коригувати помилки iзольованого комп’ютерного зору без створення затримок у системах реального часу.94 с.ukоптичне розпiзнавання символiвзгорткова нейронна мережаомоглiфилексичне декодуванняn-грамна мовна моделькомп’ютерний зiрмашинне навчанняBachelor Thesis004.932:004.032.26:81’322