Середін, Андрій ПавловичКолеснік, Богдан Геннадійович2026-01-082026-01-082025Колеснік, Б. Г. Застосування ШІ для прогнозування та оптимізації роботи побутових приладів на основі звичок користувача : магістерська дис. : 172 Електронні комунікації та радіотехніка / Колеснік Богдан Геннадійович. – Київ, 2025. – 133 c.https://ela.kpi.ua/handle/123456789/77997Пояснювальна записка до магістерської дисертації складається із вступу, чотирьох розділів, висновків та списку літератури, що містить 44 позиції, та одного додатку. Загальний обсяг роботи складає 132 сторінки, з яких основна частина роботи викладена на 98 сторінках, робота містить 29 рисунків, 8 таблиць. Актуальність теми дослідження: необхідність переходу до предиктивного керування у галузі Інтернету Речей (IoT) для підвищення енергоефекти- вності. Існуючі системи неефективні, оскільки не здатні адаптивно реагувати на нерегулярні, нелінійні патерни поведінки користувача, що спричиняє зайві енерговитрати. Застосування глибокого навчання є необхідним для моделювання цих складних довготривалих часових залежностей. Мета роботи: розробка та експериментальне дослідження інтелектуальної системи, що використовує модель Gated Recurrent Unit (GRU) для високоточного прогнозування моменту і параметрів (температури) використання електричного чайника на основі аналізу щоденних звичок, з метою оптимізації його роботи та мінімізації енергоспоживання. У роботі виконано огляд існуючих методів прогнозування для обґрунтування вибору архітектури GRU. Об’єкт дослідження: процес виявлення нелінійних часових патернів поведінки користувача та прогнозування часових рядів використання побу- тового приладу. Предмет дослідження: методи та моделі глибокого навчання, зокрема GRU, що використовуються для розробки керуючого сигналу превентивного вмикання/підігріву електричного чайника, а також алгоритм оптимізації старту приладу на основі синтетичних даних. Методи дослідження: структурний аналіз, моделювання, порівняння, опис. Практичне значення отриманих результатів: створено методологію генерації реалістичних синтетичних даних, розроблено високоточну предиктивну модель на основі GRU та керуючого алгоритму, який забезпечує завча- сну готовність приладу. Результати роботи можуть бути використані для роз- розробки інтелектуальних побутових приладів, у т.ч. у складі систем «Розумний дім».133 c.ukштучний інтелектглибоке навчанняпрогнозування часових рядівGRUенергоефективністьрозумний дімоптимізаціяartificial intelligencedeep learningtime series forecastingenergy efficiencysmart homeMaster Thesis004.932.72'1