Academic literature on the topic '687.016.5:004.891.2'

У бакалаврському проекті міститься спроектована система інтелектуального підбору гардероба, яка служить засобом автоматизації процесу вибору комплекту одягу з метою оптимізувати і поліпшити діяльність людини. Досліджені взаємодії людини з навколишнім світом дали можливість сформувати залежності характеристик одягу для пошуку відповідного комплекту для конкретного виду діяльності.
The bachelor's project contains a projected system of intellectual selection of a wardrobe, which serves as a means of automating the process of choosing a dressing in order to optimize and improve a human activity. The researched human interactions with the outside world made it possible to form clothing dependencies in order to find the right set for a particular type of activity.
В бакалаврском проекте содержится спроектированная система интеллектуального подбора гардероба, которая служит средством автоматизации процесса выбора комплекта одежды с целью оптимизировать и улучшить деятельность человека. Исследованные взаимодействия человека с окружающим миром дали возможность сформировать зависимости характеристик одежды для поиска подходящего комплекта для конкретного вида деятельности.

Основними завданнями дипломної роботи магістра є дослідження сучасного стану і підходів до проектування архітектури програмних систем, виявлення недоліків виборі оптимальних архітектурних шаблонів проектування, обґрунтування моделей якості для забезпечення вимог повноти до архітектури, розробка методу оптимального вибору архітектурних шаблонів на основі підходів штучного інтелекту і розробки програмного засобу його підтримки, які в комплексі дали б змогу підвищити ефективність процесу проектування архітектури і якості кінцевого продукту. На концептуальному рівні, метод оптимального вибору шаблонів проектування архітектури програмних систем орієнтований на процес визначення шаблонів шляхом автоматичного аналізу моделей вимог до архітектури та моделей шаблонів проектування. Моделі вимог та шаблонів можуть формуватися експертом виходячи із цілей розробки, специфіки процесу розробки чи прийнятих погоджень. Основним компонентом процесу визначення шаблонів проектування є багаторівнева нейромережа. Розмірність нейромережі визначається розмірністю відповідних матриць. Запропоновано програмний комплекс для підтримки методів побудови моделей вимог до архітектури програмного забезпечення. У даному засобі реалізовано можливість збору потреб замовника і об’єднання їх в групи.
The main objectives of the thesis master is to study the current state and approaches to the design of the architecture of software systems, identify gaps choosing the best architectural design patterns, justification of quality to meet the requirements of completeness to architecture, design method of optimal choice of architectural patterns based approaches to artificial intelligence and software development its support, which together would allow to increase the efficiency of the design process architecture and quality of the final product. At the conceptual level, the method of selecting the optimum architecture design patterns software systems focused on the process of identifying patterns by automatically analyzing requirements for models and models of architecture design patterns. Models of requirements and patterns can be formed on the basis of expert development goals, specific development process or accept approvals. The main component of the definition of design patterns is a multilevel neural network. The dimension of the neural network is determined by the dimension of the matrices.. A software system to support methods for constructing models of requirements to software architecture. This means ability to collect customer needs and combining them into groups. This tool allows you to work with the database and facilitates the creation of architectural requirements for software template. Developed a tool to support methods for constructing models of architectural pattern that enables you to describe them and add to the choice of a neural network.

Магістерська дисертація: 62 с., 8 рис., 23 табл., 2 дод., 14 джерел. Об'єкт дослідження – набір даних у вигляді музикальних творів як набір характеристик та зміст цих даних. Мета роботи – аналіз інформації про музикальні твори, з використанням засобів інтелектуального аналізу даних задля кластеризації їх по жанрам. В роботі проаналізовано існуючі засоби, які використовуються при аналізі даних, визначено їхні основні переваги та недоліки, запропоновано метод для кластеризації творів. Побудовано архітектуру системи, що проводить задану кластеризацію. Реалізовано запропоновану архітектуру у форматі додатку для веб-інтерфейсу. В подальшому рекомендується покращити цю дипломну роботу, врахувавши більшу кількість характеристик музикальних творів та розширити географію досліджень.
Masters thesis: 62 p., 8 fig., 23 tables, 2 appendices, 14 sources. The object of study is a set of data in the form of musical works as a set of characteristics and content of this data. The purpose of the work is to analyze information about musical works, using data mining tools to cluster them by genre. The paper analyzes the existing tools used in data analysis, identifies their main advantages and disadvantages, and proposes a method for clustering works. The architecture of the system that performs the given clustering is built. The proposed web interface architecture has been implemented. In the future, it is recommended that you improve this diploma thesis by taking into account more characteristics of musical works and expanding the geography of research.

Дипломна робота за ОКР «Магістр» за спеціальністю 8.05010201 «Комп’ютерні системи та мережі». – Тернопільський національний технічний університет імені Івана Пулюя. – Тернопіль, 2017. Дипломна робота присвячена розробці та дослідженню алгоритмів комп’ютерного зору у системах приийняття рішень у реальному часі, на прикладі комп’ютера. У роботі досліджено основи роботи алгоритмів та проаналізовано сучасні дослідження у даній тематиці. Для досліджень обрано 2 алгоритми адаптивного опрацювання візуального спектру даних у системах комп’ютерного зору, які базуються відповідно на нейронних та самоорганізаційних мережах. Опрацьовано методологію порівняння алгоритмів та кваліфікації їх до використання у системах прийняття рішень. Для виконання досліджень алгоритми були імплементовані для використання у межах єдиної системи. У результаті проведених досліджень порівняно алгоритми комп’ютетрного зору та сформовано критерії вибору алгоритмів у залежності від зовнішніх умов у яких перебуває система прийняття рішень у реальному часі.
Master thesis for the speciality 8.05010201 "Computer systems and networks". - Ternopil Ivan Pul'uj National Technical University. - Ternopil, 2017. Thesis is devoted to the research and development of algorithms for computer vision of real time decision making systems, on example of a PC. In the work the investigation of basics of algorithms and analysis of current research in this subject is done. For the research selected two adaptive algorithms of processing visual range of data in computer vision systems, which are based respectively on neural networks and self-organizing networks. This study contain comparison of algorithms and methodology of neural networks training that used in decision making systems. To perform the research and the comparison, the algorithms were implemented for use within a unified system. Results of the studies are the comparison of computer vision algorithms and proposed algorithms’ selection criteria based on the external environment in which the system is making decisions in real time.

У дисертаційній роботі вирішено науково-прикладну проблему зниження обчислювальної складності процесів побудови математичних моделей характеристик складних об’єктів в умовах інтервальної невизначеності з одночасним забезпеченням гарантованої точності цих моделей у межах необхідних для розв’язування задач прийняття рішень. Розроблено метод параметричної ідентифікації інтервальних моделей характеристик статичних та динамічних об’єктів на основі аналізу інтервальних даних, який грунтується на процедурах самоорганізації та самоадаптації обчислювальних процедур за аналогією з поведінковими моделями бджолиної колонії. Розроблено метод структурної ідентифікації інтервальних моделей характеристик статичних та динамічних об’єктів на основі аналізу інтервальних даних з процедурами самоорганізації та самоадаптації структур моделей. Удосконалено метод еліпсоїдного оцінювання множини значень параметрів інтервальних моделей характеристик статичних об’єктів на основі ітераційної обчислювальної схеми оптимального насиченого планування експерименту, який грунтується на розпаралеленні процедур обчислень. Створено програмну систему для побудови інтервальних моделей характеристик статичних та динамічних об’єктів, яка об’єднує методи структурної та параметричної ідентифікації, реалізовані на основі поведінкових моделей бджолиної колонії, що забезпечило цілісний підхід до побудови моделей з гарантованою точністю в умовах інтервальної невизначеності та суттєво спростило використання засобів моделювання. Апробовано нові й удосконалені методи та розроблену програмну систему для розв’язування прикладних задач побудови моделей характеристик статичних та динамічних об’єктів в умовах інтервальної невизначеності, зокрема для моніторингу забруднень атмосфери автотранспортом на прикладі м. Тернополя; ідентифікації зворотного гортанного нерва в процесі хірургічної операції на щитоподібній залозі; моделювання і прогнозування потужності малої гідроелектростанції «Топольки»; моделювання відвідування веб-сервісів надання адміністративних послуг. В диссертационной работе решена научно-прикладная проблема снижения вычислительной сложности процессов построения математических моделей характеристик сложных объектов в условиях интервальной неопределенности с одновременным обеспечением гарантированной точности этих моделей в пределах необходимых для решения задач принятия решений. Разработан метод параметрической идентификации интервальных моделей характеристик статических и динамических объектов на основе анализа интервальных данных, основанный на процедурах самоорганизации и самоадаптации вычислительных процедур по аналогии с поведенческими моделями пчелиной колонии. Разработан метод структурной идентификации интервальных моделей характеристик статических и динамических объектов на основе анализа интервальных данных с процедурами самоорганизации и самоадаптации структур моделей. Усовершенствован метод эллипсоидного оценивания множества значений параметров интервальных моделей характеристик статических объектов на основе итерационной вычислительной схемы оптимального насыщенного планирования эксперимента, основанный на распараллеливании процедур вычислений. Создано программную систему для построения интервальных моделей характеристик статических и динамических объектов, которая объединяет методы структурной и параметрической идентификации, реализованные на основе поведенческих моделей пчелиной колонии, что обеспечило целостный подход к построению моделей с гарантированной точностью в условиях интервальной неопределенности и существенно упростило использование средств моделирования. Апробированы новые и усовершенствованные методы и разработанная программная среда для решения прикладных задач построения моделей характеристик статических и динамических объектов в условиях интервальной неопределенности, в частности для мониторинга загрязнения атмосферы автотранспортом на примере г. Тернополя; идентификации обратного гортанного нерва в процессе хирургической операции на щитовидной железе; моделирования и прогнозирования мощности малой гидроэлектростанции «Топольки»; моделирования посещения веб-сервисов предоставления административных услуг. In the thesis, the scientific and applied problem of reduction the computational complexity of processes for construction the mathematical models of complex objects characteristics in the conditions of interval uncertainty with simultaneous maintenance of guaranteed accuracy of these models within the limits necessary for decision making is solved. A method of parametric identification of interval models of characteristics of static and dynamic objects based on the analysis of interval data based on procedures of selforganization and self-adaptation of computational procedures by analogy with behavioral models of bee colony is created. The method of structural identification of interval models of characteristics of static and dynamic objects on the basis of the analysis of interval data with procedures of selforganization and self-adaptation of structures of models is developed. The method of ellipsoid estimation of the set of values of parameters of interval models of characteristics of static objects on the basis of the iterative computational scheme of optimum saturated planning of experiment based on parallelization of computational procedures is improved. A software system for constructing interval models of static and dynamic object characteristics has been created, which combines structural and parametric identification methods based on behavioral models of the bee colony, which provided a holistic approach to building models with guaranteed accuracy in interval uncertainty and greatly simplified the use of modeling tools. New and improved methods and the developed software environment for solving the applied problems of construction the models of characteristics of static and dynamic objects in the interval uncertainty conditions, in particular for monitoring the pollution of the atmosphere by motor transport on an example of Ternopil; identification of the reverse laryngeal nerve during thyroid surgery; modeling and forecasting the capacity of the small hydroelectric power station "Topolki"; modeling the visiting web services of providing administrative services, were approved.

Актуальність теми роботи полягає в тому, на сьогоднішній день, реалізація рішень підтримки користувачів не являється оптимальною і достатньою для кінцевого користувача і власників комерційних бізнес проектів. Власники затрачають значні ресурси на навчання і утримування працівників служби підтримки, ідентифікацією, аналізом і написанням відповідей на часто задаванні запитання і підтримки їх актуальності. Впровадження машинного навчання в існуючі бізнес процеси підтримки користувачів призведе до уніфікації загально поширених проблем користувачів, які виникають, автоматизує і пришвидшить отримання відповідей на них. Об’єктом дослідження є автоматизація системи підтримки користувачів. Метою роботи є створення системи для автоматизації роботи підтримки користувачів на основі машинного навчання. Система розроблена за допомогою мов програмування Python і JavaScript з використанням таких технологій як Angular 5, WebSocket, Caffe, SCSS, MySQL, wit.ai. Вона забезпечує виконання наступних дій: користувачу надається веб інтерфейс для спілкування з інтерактивним помічником у вигляді чату, користувач може задавати запитання на які отримуватиме актуальні відповіді з мінімальною затримкою в часі, залишити відгук системі при завершенні сесії. Адміністратор - може навчати систему, збільшуючи область охоплюваних запитань, отримувати звіт про навчання системи і результати її роботи. Ключові слова: МАШИННЕ НАВЧАННЯ, ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ, ІНТЕРФЕЙС, PYTHON, CAFFE, WEBSOCKET, ANGULAR.