Dissertations / Theses on the topic 'Метод машинного навчання'

Розроблено метод реалізації процесу машинного навчання, який здатний класифікувати текстові дані, та визначити чи були документи перекладені професійними перекладачами або комп'ютерними системами трансляції текстової інформації.

Model аnd trаіnіng method of web mаlwаre trаffіc detectіon system usіng convolutіonаl neurаl network аnd іnformаtіon-extreme clаssіfіer, preprocessed trаіnіng аnd test set of normаl аnd аbnormаl web trаffіc representаted by https аnd webshell аttаcks.

Даними машинного навчання в апаратно-програмних комплексах розпізнавання жестів є дії або рухи частин тіла людини з певним значенням, які використовуються для передачі інформації або вираження емоцій. Жест є повноцінним знаковим символом та існує на одному рівні з іншими способами комунікації і тому, існує широкий спектр застосування технології розпізнавання жестів, серед яких управління жестами у віртуальній реальності, робототехніка й телеприсутність, розробка ігор керованих рухами, можливість природної взаємодії з комп'ютерами без будь-якого фізичного контакту. Доцільно виділити те, що розпізнавання жестів широко використовуються в медицині для відновлення втрачених рухових функцій і протезування у пацієнтів

Ведмедєв, В.С. Дослідження та використання машинного навчання для оптимізації послідовності операцій [Електронний ресурс] : робота на здобуття кваліфікаційного ступеня магістра ; спец.: 121 – інженерія програмного забезпечення / В.С. Ведмедєв ; ЗДІА ; наук. кер. Ю.О. Лимаренко . – Запоріжжя, 2018. - 109 с.
UA : Метою роботи є дослідження основних алгоритмів та методів для розв’язання задач класу NP-повних, а саме задач комбінаторної оптимізації. Розробка програмного застосунку з метою проведення порівняльного аналізу генетичного алгоритму та динамічного програмування. Проведення аналізу генетичного алгоритму з різними параметрами. Розробка методики поєднання розглянутих алгоритмів для покращення результатів розв’язку. За результатами роботи досліджено та вивчено основні етапи генетичного алгоритму. Модифіковано створення початкової вибірки генетичного алгоритму за допомогою методу найближчого сусіда. Досліджено етапи динамічного програмування для задачі про комівояжера. Порівняно результати роботи генетичного алгоритму та динамічного програмування. Проведено аналіз модифікованого генетичного алгоритму з різними параметрами для виявлення оптимальних параметрів. Всі дослідження було проведено за допомогою створеного програмного застосунку, який реалізовано на мові програмування С#.
RU : Целью работы является исследование основных алгоритмов и методов для решения задач класса NP-полных, а именно задач комбинаторной оптимизации. Разработка приложения с целью проведения сравнительного анализа генетического алгоритма и динамического программирования. Проведение анализа генетического алгоритма с различными параметрами. Разработка методики сочетание рассмотренных алгоритмов для улучшения результатов развязку. По результатам работы исследованы и изучены основные этапы генетического алгоритма. Модифицировано создание начальной выборки генетического алгоритма с помощью метода ближайшего соседа. Исследованы этапы динамического программирования для задачи о коммивояжёре. Анализированы результаты работы генетического алгоритма и динамического программирования. Проведен анализ модифицированного генетического алгоритма с разными параметрами для выявления оптимальных параметров. Все исследования были проведены с помощью созданного программного приложения, которое реализовано на языке программирования С#.
EN : The purpose of the work is to study the basic algorithms and methods for solving the problems of the class of NP-complete, namely combinatorial optimization problems. Development of software application for comparative analysis of genetic algorithm and dynamic programming. Conducting analysis of a genetic algorithm with different parameters. Development of a method of combining the algorithms considered to improve the solution results. The results of researched and studied the main stages genetic algorithm. Modified the creation of the initial sample of the genetic algorithm using the nearest neighbor method. The stages of dynamic programming for the traveling salesman problem are investigated. The analysis of the modified genetic algorithm with different parameters for the detection of optimal parameters was carried out. All research was conducted using a created software application implemented in the C # programming language.

Об’єкт дослідження є процес збереження конфіденційності великих даних. Предмет дослідження є методи і засоби для забезпечення конфіденційності великих даних на основі машинного навчання та створення методів на основі базових алгоритмів забезпечення конфіденційності. Метою роботи є покращення конфіденційності зберігання великих даних. Для розв’язання поставлених задач використовувалися початкові алгоритми захисту конфіденційності; шум Лапласа, синтетична генерація даних, методи збурення даних, криптогафічні методи, які впливають на якість інтелектуального аналізу для підтримки цілісності та збереження конфіденційності даних.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.05 «Комп’ютерні системи та компоненти». – Харківський національний університет радіоелектроніки, Міністерство освіти і науки України, Харків, 2019. У дисертаційній роботі вирішена актуальна наукова задача покращення показників виявлення аномалій функціонування РКС в умовах кібернетичних впливів зовнішнього та внутрішнього середовища шляхом побудови моделей і методів на основі технологій інтелектуального аналізу даних. Об'єктом дослідження є процес моніторингу стану інформаційного та комунікаційного середовища розподілених комп’ютерних систем, предметом дослідження є методи і алгоритми моніторингу в розподілених комп’ютерних системах із застосуванням технологій інтелектуального аналізу даних. Методи дослідження основані на використанні теорії множин – для розробки моделі функціонування розподілених комп’ютерних систем на основі клієнт-серверної архітектури, моделі мультиагентної підсистеми збору та зберігання даних, моделі моніторингу аномалій функціонування розподілених комп’ютерних систем; загальна теорія систем – для дослідження та розробки протоколу взаємодії агентів моніторингу в розподілених комп’ютерних системах. Практична значимість отриманих теоретичних результатів дисертаційної роботи підтверджено ефективністю запропонованої моделі тільки для виявлення аномального поведінки мережного трафіку на основі множини параметрів мережних з'єднань , що реалізується шляхом аналізу вхідного трафіку за допомогою ансамблю класифікаторів. Зокрема, практичне вирішення теоретичних досліджень полягає у наступному. Запропонована методика моніторингу, яка визначає умови і порядок оцінки стану РКС за допомогою розробленої мультиагентної системи моніторингу. Запропоновано архітектура системи моніторингу з використанням автономних програмних агентів. Архітектура передбачає динамічне формування ієрархічної структури, вузлом якої може виступати будь-яка сутність, що визначається джерелом даних або сенсором. Таким чином, стосовно моніторингу РКС можуть існувати метрики грід, кластерів, обчислювальних вузлів і завдань та інші. Для взаємодії між усіма агентами пропонується використовувати групу інтелектуальних агентів запиту метою яких є координація агентів збору інформації, реструктуризація отриманої інформації і реалізація протоколів і механізмів передачі повідомлень між усіма агентами моделі. Агенти моніторингу можна розділити на такі групи: – агент комутатора і мережевий агент, які забезпечують збір даних з перших двох рівнів моделі OSI. – агент сеансу, який забезпечує збір інформації про ім'я користувача, ім'я термінальної лінії, астрономічний час початку сеансу та інше. – агент додатка, який відповідає за збір даних від різних додатків специфічних для тієї чи іншої інформаційно-обчислювальної системи. – агенти запиту мета яких є обробка запитів на вибірку даних від користувачів системи збору, координація інших агентів для збору необхідної інформації, а також реструктуризація отриманої інформації для зберігання статистичний даних про систему в цілому. Застосування таких агентів і програмна реалізація стандартизованих інтерфейсів взаємодії між ними дозволяють використовувати спільно на різних рівнях програмне забезпечення незалежних розробників. Наприклад, сенсорами можуть виступати файли даних. Але, всі сенсори формують єдину структуру метрик, однаково доступну різним компонентам системи моніторингу. Таким чином, побудована за даною архітектурою система моніторингу може працювати паралельно з уже розгорнутими засобами моніторингу, заміщаючи їх на деяких рівнях, що дозволяє змінювати і розширювати набір доступних функцій цих систем. Результати дисертаційної роботи впроваджено у державному підприємстві «Центральне конструкторське бюро «ПРОТОН»», м. Харків (акт від 30.05.18) та Харківському національному університеті радіоелектроніки, кафедра електронних обчислювальних машин, м. Харків в процесі проведення лекційних занять і лабораторних робіт з курсу «Технології виявлення загроз в комп’ютерних мережах». Матеріали дисертації достатньо повно викладені у 13 роботах: з них 6 статей у виданнях, які зазначені в переліку фахових видань України з технічних наук [ 1-6 ] (всі праці входять до науково-метричних баз, 2 – до бази Scopus ) та 7 тез доповідей міжнародних конференцій [7-13] (1 – до бази Scopus ).
Qualified scientific work on the rights of the manuscript. Thesis for a Candidate Degree in Engineering, specialty 05.13.05 “Computer Systems and Components”. - Kharkiv National University of Radio Electronics, Ministry of Education and Science of Ukraine, Kharkiv, 2019. The dissertation deals with the actual scientific task of improving the detection of anomalies of functioning of RKS in the conditions of cybernetic influences of external and internal environment by constructing models and methods based on the analysis of data technologies. The object of the study is the process of monitoring the state of information and communication environment of distributed computer systems, the subject of research is the methods and algorithms of monitoring in distributed computer systems using data mining technologies. Research methods are based on the use of set theory - to develop a model of functioning of distributed computer systems based on client-server architecture, model of multiagent subsystem of collecting and storage of data, models of monitoring anomalies of functioning of distributed computer systems; general systems theory - for research and development of the protocol of interaction of monitoring agents in distributed computer systems. The practical significance of the obtained theoretical results of the dissertation is confirmed by the effectiveness of the proposed model only for the detection of anomalous behavior of network traffic based on a set of network connection parameters, which is realized by analyzing the inbound traffic using an ensemble of classifiers. In particular, the practical solution to theoretical studies is as follows. A monitoring technique is proposed that defines the conditions and procedure for assessing the status of RCCs using the developed multi-agent monitoring system. The architecture of the monitoring system using autonomous software agents is proposed. Architecture involves the dynamic formation of a hierarchical structure, the node of which can be any entity defined by the data source or sensor. Thus, metrics of grids, clusters, computing nodes and tasks, and others, may exist with respect to RCC monitoring. For the interaction between all agents, it is proposed to use a group of intelligent inquiry agents to coordinate information collection agents, restructure the information received, and implement protocols and message mechanisms between all agents of the model. Monitoring agents can be divided into the following groups: – іs a switch agent and network agent that collects data from the first two levels of the OSI model. – іs a session agent that collects information about a user name, terminal name, astronomical start time, and more. – іs an application agent responsible for collecting data from various applications specific to a particular computer system. – - query agents whose purpose is to process queries for data collection from users of the collection system, coordinate other agents to collect the necessary information, as well as restructure the information obtained to store statistics about the system as a whole. The use of such agents and the software implementation of standardized interfaces between them allow the use of third-party software at different levels. For example, sensors can act as data files. However, all sensors form a single metric structure that is equally accessible to different components of the monitoring system. Thus, a monitoring system built on this architecture can work in parallel with already deployed monitoring tools, replacing them at some levels, which allows to change and extend the range of available functions of these systems. The results of the dissertation were implemented at the State Enterprise "Central Design Bureau" PROTON ", Kharkiv (act dated 30.05.18) and Kharkiv National University of Radio Electronics, Department of Electronic Computing Machines, Kharkiv in the course of conducting lectures and laboratory work on the course "Threat detection technologies in computer networks". The materials of the dissertation are quite sufficiently presented in 13 papers: 6 of them are articles in the editions that are listed in the list of professional editions of Ukraine in technical sciences [1-6] (all works are included in scientific-metric bases, 2 - in Scopus base) and 7 theses international conference reports [7-13] (1 to Scopus database).

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.05 – Комп'ютерні системи та компоненти. – Харківський національний університет радіоелектроніки, Харків, 2019. Дисертаційна робота присвячена розробленню моделей та методів виявлення аномалій функціонування комп'ютерних систем на основі технології машинного навчання. Науковими результатами є: 1) вперше запропоновано модель класифікації стану системи, яка ґрунтується на структурному представлені показників функціональності розподілених комп’ютерних систем, що дозволяє виділити множину станів у залежності від функціональних завдань, розмежувати процеси цільового функціонування системи та інтерфейсні процеси взаємодії з мережною інфраструктурою та використовувати їх в методах інтелектуального аналізу для виявлення аномалій функціонування розподілених комп’ютерних систем. 2) удосконалено метод класифікації стану мережі на основі статистичних параметрів за рахунок рівномірної вибірки об'єктів із поверненням для формування навчальних вибірок, що дозволяє адаптувати процес навчання ансамбля класифікаторів до розмірів навчальної вибірки. 3) отримала подальшого розвитку мультиагентна модель системи збору і зберігання інформації, що побудована на основі агентів, метою яких є надання користувачеві або інформаційній системі більш високого рівня інформації про стан мережної інфраструктури, отриманої в результаті збору та інтелектуальної обробки параметрів, що дозволило зменшити навантаження на мережу за рахунок застосування запропонованого протоколу обміну інформацією між агентами. Запропоновані методи та засоби дозволяють підвищити достовірність виявлення аномалій функціонування розподілених комп’ютерних систем в умовах кібернетичних впливів зовнішнього та внутрішнього середовища шляхом побудови моделей і методів вирішення даного завдання на основі технологій інтелектуального аналізу даних.
Dissertation for the degree of candidate of technical sciences in specialty 05.13.05 - Computer systems and components. Kharkiv National University of Radio Electronics, Kharkiv, 2019. The dissertation is devoted to the development of models and methods for detecting anomalies of the functioning of computer systems on the basis of machine learning technology. The scientific results are: 1) the first model of the classification of the state of the system, which allows to allocate a plurality of states depending on the functional tasks, delimit the processes of the target functioning of the system and interface processes of interaction with the network infrastructure and use them in the methods of intellectual analysis to identify the anomalies of the functioning of distributed systems. This model provides an opportunity to provide local control of parameters for each process and based on the generated vector to detect abnormal effects on the system as a whole; 2) the method of classification of the network status on the basis of statistical parameters for the detection of anomaly in the information structure of the computer system is improved; 3) received a further development of the multiagent model of the system of collecting and storing information based on agents. The proposed methods and means allow to increase the reliability of detection of anomalies of the functioning of distributed computer systems in the conditions of cybernetic influences of the external and internal environment by constructing models and methods for solving this problem on the basis of intelligent data analysis technologies.

Метою роботи є дослідження методів і засобів тестування програмного забезпечення та імплементація алгоритмів машинного навчання для автоматичної класифікації вимог та прогнозування дефектів програмного коду У дослідженні проведено аналіз важливих понять, принципів і послідовності виконання процесів, що використовуються при проектуванні комп’ютерних систем, зокрема, термінологічні особливості у процесі імплементації програмного забезпечення на етапі тестування, що дало змогу зрозуміти і в подальшому визначити шляхи імплементації методів машинного навчання для підвищення ефективності виконання стадій життєвого циклу Запропоновано метод класифікації вимог до програмного забезпечення, що базується на методах машинного навчання і використовує чотири алгоритми: метод опорних векторів, наївний байєсовий класифікатор, логістична регресія та метод найближчих сусідів, а також техніки опрацювання тексту: «мішок слів», TF-IDF і χ 2 . Розроблено метод прогнозування дефектів програмного забезпечення у комп’ютерних системах, що використовує 6 алгоритмів машинного навчання і три набори дефектів і дає змогу забезпечити та передбачити з високою імовірністю можливість появи помилок у програмних модулях з врахуванням метрик програмного коду.
The aim of the work is to study the methods and means of software testing and implementation of machine learning algorithms for automatic classification of requirements and prediction of software code defects The study analyzes important concepts, principles and sequences of processes used in the design of computer systems, in particular, terminological features in the process of software implementation at the testing stage, which allowed to understand and further identify ways to implement machine learning methods to improve efficiency of life cycle stages The method of classification of software requirements based on machine learning methods and using four algorithms is proposed: the method of reference vectors, naive Bayesian classifier, logistic regression and the method of nearest neighbors, as well as word processing techniques: "word bag", TF-IDF and χ 2 . The method for predicting software defects in computer systems has been developed, which uses 6 machine learning algorithms and three sets of defects and makes it possible to provide and predict with a high probability the possibility of errors in software modules taking into account software code metrics.
РОЗДІЛ 1 АНАЛІЗ ОСОБЛИВОСТЕЙ ПРОЦЕСУ ТЕСТУВАННЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ КОМП’ЮТЕРНИХ СИСТЕМ ...13 1.1. Аналіз основних понять та особливостей процесу тестування ПЗ КС ...13 1.2. Аналіз процесів життєвого циклу ПЗ КС ...15 1.3. Аналіз особливостей життєвого циклу тестування ПЗ ...19 1.4. Аналіз життєвого циклу помилок ...22 1.5. Класифікація методів тестування за способом його проведення ...24 1.5.1. Статичне тестування ...24 1.5.2. Динамічне тестування ...25 1.6. Висновки до розділу ...27 РОЗДІЛ 2 РОЗРОБКА МЕТОДІВ КЛАСИФІКАЦІЇ ВИМОГ ТА ПРОГНОЗУВАННЯ ДЕФЕКТІВ ПЗ З ВИКОРИСТАННЯМ АЛГОРИТМІВ МАШИННОГО НАВЧАННЯ ...28 2.1. Підходи і стратегії тестування ПЗ ...28 2.2. Розробка методу класифікації вимог до ПЗ з імплементацією методів машинного навчання на етапі тестування ...31 2.2.1. Нормалізація тексту вимог ...36 2.2.2. Векторизація тексту ...37 2.2.3. Обґрунтування вибору ознак вимог та алгоритмів класифікації вимог до ПЗ ...39 2.2.4. Алгоритм класифікації вимог до ПЗ ...41 2.3. Розробка методу прогнозування дефектів у програмному забезпеченні ...42 2.4. Метрики ефективності алгоритмів машинного навчання та імплементація процедури запропонованих методів при тестуванні ПЗ ...47 2.5. Висновки до розділу ...50 РОЗДІЛ 3 АПРОБАЦІЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ПРИ КЛАСИФІКАЦІЇ ВИМОГ ТА ПРОГНОЗУВАННІ ДЕФЕКТІВ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ КОМП’ЮТЕРНИХ СИСТЕМ ...51 3.1. Аналіз структури та даних при проведенні класифікації вимог до ПЗ ...51 3.2. Препроцесинг та векторизація тексту вимог до ПЗ...53 3.3. Оцінювання ефективності алгоритмів машинного навчання при класифікації вимог до ПЗ ... 60 3.4. Алгоритм і результати експериментальних досліджень при прогнозуванні дефектів ПЗ ... 66 3.5. Висновки до розділу ...70 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ ...71 4.1. Охорона праці ...71 4.2. Підвищення стійкості роботи об'єктів господарської діяльності у воєнний час ...74 ВИСНОВКИ ... 80 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ ...82

В данной работе было проведено исследование, направленное на определение наиболее точного метода обнаружения вирусов, представленного в виде задач бинарной классификации (вирус / легитимная программа) и многоклассовой классификации. В качестве признаков были использованы успешные и безуспешные вызовы API, а также соответствующие коды возврата, которые были получены во время выполнения вирусов в изолированной виртуальной среде.

У дисертаційній роботі вирішено актуальну науково-прикладну проблему у галузі інструментального забезпечення біоінформатики – розвиток теоретичних засад і нових підходів до удосконалення комп’ютерних систем опрацювання біосигналів на основі широкого використання штучних нейромереж і технологій глибинного навчання. Представлено концепцію трьох системних рівнів комп’ютерного опрацювання біосигналів, що базується на чіткому розмежуванні функцій системних рівнів від методів і засобів, що їх реалізують. Таке розділення сприяє структуризації знань, уможливлює оцінювання ефективності різних методів і вибір кращих проектних рішень із урахуванням специфіки завдань, умов і сценаріїв. Автоматизовано пошук оптимальних значень гіперпараметрів багатошарового нейрокласифікатора шляхом використання простої прогностичної моделі машинного навчання. Це дає змогу на 4 порядки скоротити час пошуку порівняно із повним перебором в просторі можливих значень. Розроблено і апробовано підхід до виявлення і коригування залишкових аномалій в біосигналах, який базується на застосуванні нейромережевих автоенкодерів для нелінійної фільтрації завад, зосереджених в тій самій частині спектру, що й корисний сигнал. Застосування підходу у 5-7 разів зменшує похибку ідентифікації. Результати роботи можуть бути застосовані до різних прикладних задач, у таких сферах як кібербезпека та системи доступу (біометрична ідентифікація), робототехніка (нейромережеві інтерфейси управління) і афективна інформатика (аналіз психоемоційного стану), а також у медицині (діагностика, клінічні дослідження тощо). В диссертационной работе решена актуальная научно-прикладная проблема в области инструментального обеспечения биоинформатики - развитие теоретических основ и новых подходов к совершенствованию компьютерных систем обработки биосигналов на основе широкого использования искусственных нейронных сетей и технологий глубинного обучения. Представлена концепция трех системных уровней компьютерной обработки биосигналов, основанная на четком разграничении функций системных уровней от методов и средств, которые используются для их реализации. Такое разделение способствует структуризации знаний, позволяет оценить эффективность различных методов и выбрать лучшие проектные решения с учетом специфики задач, условий и сценариев. Автоматизирован поиск оптимальных значений гиперпараметров многослойного нейроклассификатора путем использования простой прогностической модели машинного обучения. Это позволяет на 4 порядка сократить время поиска по сравнению с полным перебором в пространстве всех возможных значений. Разработан и апробирован подход к выявлению и коррекции остаточных аномалий в биосигналах, основанный на применении нейросетевых автоэнкодеров для нелинейной фильтрации помех, сосредоточенных в той же части спектра, и полезный сигнал. Применение коррекции аномалий в 5-7 раз уменьшает погрешность идентификации. Результаты работы могут быть применены в различных направлениях, таких как компьютерная безопасность и системы доступа (биометрическая идентификация), робототехника (нейросетевые интерфейсы управления) и аффективная информатика (анализ психоэмоционального состояния), а также в медицине (диагностика, клинические исследования и т.п.). The thesis solves a scientific problem in the field of instrumental support of bioinformatics - the development of theoretical foundations, improvement of methodological, algorithmic, software, and technical basis of the computer systems for processing of biosignals and data based on the extensive use of artificial neural networks and deep learning technologies. Current state and future perspectives of machine learning usage in the computer bioinformatics systems are analyzed in the thesis. It is shown that the heterogeneousness of data and a wide range of bioinformatics tasks influenced the development of specialized solutions for each separate domain or application. This complicates the possibility to compare the effectiveness of certain methods as well as the usage of the best system design variants for the new tasks. A novel framework related to the development of principles for the design of the biosignals computer processing systems involving a combination of machine learning techniques and digital signal processing is presented in the thesis. The expediency of separation of the system levels within the process of biosignals processing is reasoned, and their functions are outlined. Innovativeness of the suggested approach lies in the separation of functions of the lower, middle, and upper levels from methods with the help of which they are realized, as well as from the implementation variants for these methods based on the hardware and software components. The middle system level is significantly invariable both in regards to the task to be solved and to the biosignal type. At the same time, the upper level is specific as to the final application, and the lower level is specific as to the type of biosignal. Distinct outlining of functions for each system level and the inter-level interfaces opens perspectives for information structuring during the analysis of the known decisions, which simplifies the analysis and comparison of the effectiveness of these solutions. The design process of the computer system for the specific tasks gets simplified and potentially quickens due to the possibility of transferring the best results among the related tasks. On the basis of the developed three system levels concept the range of tasks related to machine learning application and biosignals processing on all the system levels was studied and analyzed. A novel method of optimal hyperparameters selection for a multilayer neural network classifier based on the Monte Carlo method and predictive modeling was developed and introduced in the thesis, new algorithms for detection and correction of anomalies in ECG-signals were presented as well. This resulted in reduction of hyperparameters optimization time by 4 orders compared to a grid search approach in the entire hyperspace of possible values. A new approach to the detection and correction of residual anomalies in biosignals was developed and tested. This approach is based on the use of neural network autoencoders for nonlinear filtering of distortions that are located in the same spectral band as the useful signal and its application reduces identification error by 5-7 times. A method of software conditioning of biosignals was developed, which enabled parameters unification of digital records of biosignals from open databases by resampling, rescaling, time normalization, etc. and its application improves the issue of low data volume while deep neural networks training. A comprehensive study of the influence of the variability of ECG signal acquisition systems (different data sets, sampling frequency, recording duration, data volume) on the accuracy of biometric identification was performed. The obtained results proved sufficient stability and reliability of the electrocardiogram as a biometric marker and confirmed the possibility of its real-world application in biometric identification systems. Neural network equalizer was designed for dynamical error correction of bioimpedance sensors, which resulted in expanding the operating frequency band up to 100 times. Functionality was expanded, metrological characteristics were improved and the speed of the digital rheograph was doubled by improving the Howland current pump by compensating the basic bioimpedance with a coded potentiometer (trimmer) and using a direct digital synthesis of orthogonal probing signals. Intelligent processing of vibroarthrography signals based on a combination of machine learning algorithms and wavelet decomposition was developed, which allowed to achieve better accuracy in terms of knee joint disorders analysis. The results of the work can be used in various applications, such as cybersecurity and access systems (biometric identification), robotics (bio-machine control interfaces), and affective informatics (psycho-emotional state analysis), as well as a medical domain (diagnostics, clinical trials).

В данной работе было проведено исследование, направленное на определение наиболее точного метода обнаружения вирусов, представленного в виде задач бинарной классификации (вирус / легитимная программа) и многоклассовой классификации. В качестве признаков были использованы успешные и безуспешные вызовы API, а также соответствующие коды возврата, которые были получены во время выполнения вирусов в изолированной виртуальной среде.

Роботу виконано на кафедрі ком’пютерно-інтегрованих технологій Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України Захист відбудеться 23 червня 2021 р. о 09 .00 годині на засіданні екзаменаційної комісії № 23 у Тернопільському національному технічному університеті імені Івана Пулюя за адресою: 46001, м. Тернопіль, вул.Руська, 56, навчальний корпус №1, ауд. 403
У бакалаврській роботі було розроблено автоматизовану систему прогнозування споживання електроенергії за допомогою методів машинного навчання. Показана можливість ефективного прогнозування погодинного споживання електроенергії, як на основі попередніх вимірювань, так і з використанням погодних даних.
In the bachelor's thesis, an automated system for forecasting electricity consumption using machine learning methods was developed. Possibility of effective forecasting of hourly electricity consumption is shown, both on the basis of preliminary measurements, and with use of weather data.
ВСТУП 5 1. АНАЛІТИЧНА ЧАСТИНА 7 1.1. Постановка задачі 7 1.2 Огляд існуючих аналогів 8 2 ПРОЕКТНА ЧАСТИНА Помилка! Закладку не визначено.6 2.1. Дані про споживання енергії 166 2.2. Дані про погоду Помилка! Закладку не визначено.8 2.3. Огляд аналогічних завдань і способів їх вирішення Помилка! Закладку не визначено. 2.4. Приведення до стандартного вигляду 22 2.5. Методи оцінки Помилка! Закладку не визначено. 2.6. Методи прогнозування Помилка! Закладку не визначено. 3 СПЕЦІАЛЬНА ЧАСТИНА 29 3.1 Опис моделі. Складові балансового рівняння Помилка! Закладку не визначено.9 3.2. Рівень підстанцій Помилка! Закладку не визначено. 3.3. Рівень обладнання підстанцій 40 3.4 Рівень зв'язків між енергооб'єктами 41 3.5 Реалізація модуля, архітектура системи 46 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 54 4.1. Органiзацiя охорони працi при роботi з системою управлiння 54 4.2. Електробезпека 58 4.3. Розрахунок заземлення 59 Висновки 63 ПЕРЕЛІК ПОСИЛАНЬ 65

Дипломну магістерську роботу присвячено дослідженню теоретичних основ розвитку ігрової індустрії в умовах діджиталізації та пандемії COVID-19. Проведено комплексний аналіз ринку ігрової індустрії в Україні та визначено передумови для залучення міжнародними компаніями ІТ-фахівців у сфері геймдеву завдяки наявності відповідного рівня вмінь та навичок. Досліджено особливості діяльності Murka Games як конкурентоспроможної компанії на ринку ігрових продуктів. Запропоновано основні напрями щодо оптимізації ігрових продуктів Murka Games. Представлено напрями вдосконалення маркетингової стратегії Murka Games завдяки використанню сучасних інструментів цифрового маркетингу. Проведено сегментування гравців нового продукту компанії, що дозволяє на основі виокремлених груп створювати відповідні сюжети та розміщувати тематичний контент. Проаналізовано потреби гравців за допомогою A/B-тестування.
Дипломная магистерская работа посвящена исследованию теоретических основ развития игровой индустрии в условиях диджитализации и пандемии COVID-19. Проведен комплексный анализ рынка игровой индустрии в Украине и определены предпосылки для привлечения международными компаниями ИТ-специалистов в сфере геймдева благодаря соответствующему уровню умений и навыков. Исследованы особенности деятельности Murka Games как конкурентоспособной компании на рынке игровых продуктов. Предложены основные направления оптимизации игровых продуктов Murka Games. Представлены направления усовершенствования маркетинговой стратегии Murka Games благодаря использованию современных инструментов цифрового маркетинга. Произведено сегментирование игроков нового продукта компании, позволяющее на основе выделенных групп создавать соответствующие сюжеты и размещать тематический контент. Проанализированы потребности игроков с помощью A/B тестирования.
The master's thesis is devoted to the study of the theoretical foundations of the gaming industry in the context of digitalization and the COVID-19 pandemic. A comprehensive analysis of the gaming industry market in Ukraine has been conducted and the preconditions for attracting IT specialists in the field of game development due to the availability of the appropriate level of skills have been identified. The peculiarities of Murka Games' activity as a competitive company in the market of gaming products are studied. The main directions of optimization of Murka Games game products are offered. The directions of improving Murka Games' marketing strategy through the use of modern digital marketing tools are presented. The players of the company's new product have been segmented, which allows them to create relevant stories and post thematic content on the basis of selected groups. The needs of players were analyzed using A / B testing.