Кириленко, П. О.Яворський, О. А.Яйлимова, Г. О.2025-09-182025-09-182025Кириленко, П. О. Використання симплiцiальної топологiї в глибокому навчаннi для вiдновлення цiлiсностi хмар точок / П. О. Кириленко, О. А. Яворський, Г. О. Яйлимова // Теоретичні і прикладні проблеми фізики, математики та інформатики : матерiали XXIII Всеукраїнської науково-практичної конференцiї студентiв, аспiрантiв та молодих вчених, [Київ], 14−17 травня 2025 р. / КПІ ім. Ігоря Сікорського. – Київ, 2025. – С. 328-332.https://ela.kpi.ua/handle/123456789/76148У цій статті пропонується розглянути проблему реконструкції неповних хмар точок [1, 2], що є актуальною задачею в комп’ютерному зорі, автономній навігації та цифровій реконструкції. Пропонується підхід на основі симпліціальної нейронної мережі (Simplicial Neural Network, SNN), що враховує топологічні структури вищого порядку. Для валідації моделі використано підмножину датасету ModelNet40 [3] . Отримані результати демонструють здатність SNN відновлювати відсутні ділянки з високою точністю, зберігаючи топологічну узгодженість. Продемонстровано, що запропонований метод дозволяє краще відновлювати локальні деталі порівняно з базовими підходами. Додатково відзначено підвищену стійкість до зашумлених даних, що є критичним чинником для реальних застосувань.ukSimplicial TopologyDeep LearningPoint CloudReconstructionSNNModelNet40ArticleС. 328-332004.8:515.1:519.6