Дисертації з теми "Мережеві машини"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся з топ-32 дисертацій для дослідження на тему "Мережеві машини".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Переглядайте дисертації для різних дисциплін та оформлюйте правильно вашу бібліографію.
Павленко, Іван Володимирович, Иван Владимирович Павленко, Ivan Volodymyrovych Pavlenko та Я. Пітель. "Можливості застосування штучних нейронних мереж для визначення жорсткісних характеристик опор багатоступінчастих відцентрових машин". Thesis, Сумський державний університет, 2018. http://essuir.sumdu.edu.ua/handle/123456789/67545.
Повний текст джерелаЧорний, М. М., та Олена Юріївна Юр'єва. "Шляхи підвищення коефіцієнта корисної дії синхронних явнополюсних двигунів середньої потужності". Thesis, Національний технічний університет "Харківський політехнічний інститут", 2018. http://repository.kpi.kharkov.ua/handle/KhPI-Press/39791.
Повний текст джерелаЯковів, Іван Іванович. "Інтелектуальний аналіз показів сенсорних мереж для моніторингу об’єкта інформаційної діяльності". Thesis, Київ / НАУ. – Київ: Вид-во НАУ, 2017. http://er.nau.edu.ua/handle/NAU/26870.
Повний текст джерелаНовіков, Олександр Олегович. "Комп’ютерні засоби діагностування захворювань на основі нейронної мережі". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/43287.
Повний текст джерелаThe object of development - the creation of a software system for diagnosing diseases based on the neural network, which allows to determine the presence of the disease. The subject of development is the automation of the diagnosis of diabetic retinopathy. The software system allows user to diagnose the disease on the basis of a digital image that is uploaded using a graphical interface. In the development process were using programming language Python and such packages as TensorFlow, Keras, NumPy. During development: - analysis of machine learning methods for the classification of digital images is carried out; - developed a software system for the diagnosis of diabetic retinopathy with a user interface; - studied the efficiency of the developed software. The use of this software system will make it possible to automate the diagnosis of the disease. That can help to timely treat the patient, save the time and effort of doctors.
Руденко, Інна Вікторівна. "Інформаційна технологія для класифікації марок автомобілів з використанням згорткової нейронної мережі". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9696.
Повний текст джерелаКолупанов, А. Г. "Інформаційна технологія розпізнавання захворювань свиней за фотографією". Master's thesis, Сумський державний університет, 2019. http://essuir.sumdu.edu.ua/handle/123456789/76522.
Повний текст джерелаПришляк, М. Ю., С. О. Субботін та А. О. Олійник. "Аналіз методів навчання на базі методів Монте-Карло для обмежених машин Больцмана". Thesis, Сумський державний університет, 2017. http://essuir.sumdu.edu.ua/handle/123456789/65628.
Повний текст джерелаГірний, Микола Юрійович. "Використання штучного інтелекту для оцінювання розпізнавання зображень". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9420.
Повний текст джерелаОтог, Д. В. "Прогнозування курсу криптовалют з використанням технологій нейромереж". Master's thesis, Сумський державний університет, 2020. https://essuir.sumdu.edu.ua/handle/123456789/82022.
Повний текст джерелаКравець, Олександра Олегівна. "Інформаційна система розпізнавання числової інформації". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/46874.
Повний текст джерелаExplanatory note of the diploma project consists of five sections, contains 22 drawings, 5 tables, 1 application and 37 sources. The diploma project is devoted to solving the problem of recognition, classification, further processing and saving of handwritten numerical information. The system purpose is simplifying the process of checking the student’s tests (where the answers are handwritten numerical values) by automating this process by recognizing the answers written by students in the appropriate form for answers using machine learning models. In the general terms section the developmt purpose and are established, functional borders of system are defined and the structural scheme of variants of use is constructed, the existing analogues are analyzed and the difference from them of the projected system is established. The information support section provides a detailed description of the input and output data, as well as the structure description of the information array, that is used in this system is provided. The mathematical support section is devoted to the meaningful and mathematical formulation of the problem, analysis of the existing methods for solving the problem of this thesis project and justification of choosing one of them with its subsequent detailed description. The software support section describes the software development tools and the stages of designing its architecture. The specification of functions and reports generated during program startup is described. The technology section defines the purpose of testing the software product and describes their results.
Москаленко, Д. М. "Підсистема збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз". Thesis, Чернігів, 2021. http://ir.stu.cn.ua/123456789/22463.
Повний текст джерелаМетою даної кваліфікаційної роботи є розробка підсистеми збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз. Об'єктом дослідження є методи та моделі обробки природної мови за допомогою нейронних мереж. Предметом дослідження є методи та моделі збору та визначення особливостей розподілу даних соціальних мереж у системі виявлення кіберзагроз. В роботі проведено аналіз загроз в соціальних мережах спричинених небезпечними повідомленнями, а також аналіз задачі визначення емоційного тону текстових даних у соціальних мережах. Побудована архітектура та визначені методи та моделі обробки природньої мови та автоматизованої класифікації. В результаті чого була розроблена підсистема збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз. Методи дослідження. В основі досліджень лежить архітектура системи збору даних з соціальної мережі Twitter яка використовує методи машинного навчання та штучного інтелекту для обробки та визначення розподільчих рис даних повідомлень користовачів [47]. Реалізація програмного забезпечення виконувалась з використанням мови програмування Python за підтримки бібліотеки програмного забезпечення з відкритим кодом для машинного навчання TensorFlow та Keras. Результати представлені у вигляді таблиць та ілюстрацій, що демонструють правильність вибору методів збору та визначення розподільчих рис даних соціальних мереж в системі виявлення кіберзагроз на прикладі класифікації повідомлень. Результати роботи можуть бути використані для подальшої розробки системи пошуку наприклад загроз від онлайн хижаків, користувачів які попагандують ідеї тероризму чи екстремізму у соціальних мережах або перекваліфікації для пошуку повідомлень іншого характеру.
Якимів, Іван Андрійович. "Визначення кардіоваскулярних захворювань з допомогою методів машинного навчання". Master's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/46103.
Повний текст джерелаПроекти, які використовують методи машинного навчання, не є рідкість в наш час, вони можуть виконувати досить складні та великі задачі в медицині, так як: огляд стану здоров’я людини в той же час, як людина проходить консультацію, аналіз історії хвороб усієї країни чи певного регіону і на основі цього аналізу, може прогнозувати хвороби в майбутньому. Під час роботи я створив проект, що використав та порівняв 5 методів машинного навчання, щоб визначити який з них найкраще підходить для подібних задач. Огляд відбувався на трьох наборах даних, що відрізняються самими характеристиками та їх кількістю. Дипломна робота: 98 с., 53 рис., 21 табл., 1 додаток 13 с., 36 джерел.
Бєляков, Нікіта Андрійович. "Прогнозна модель споживчого попиту на підприємствах роздрібної торгівлі на основі методів машинного навчання". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9533.
Повний текст джерелаШевцов, Олександр Олександрович. "Розподілена система виявлення зловмисного програмного забезпечення в локальних комп’ютерних мережах на основі баєсівської мережі". Магістерська робота, Хмельницький національний університет, 2021. http://elar.khnu.km.ua/jspui/handle/123456789/10248.
Повний текст джерелаБріль, Андрій Сергійович, та Andriy Brilʹ. "Розробка системи підтримки прийняття рішень на основі розпізнавання зображень". Master's thesis, Тернопільський національний технічний університет імені Івана Пулюя, 2019. http://elartu.tntu.edu.ua/handle/lib/30717.
Повний текст джерелаThis paper is about developing a decision support system based on image recognition, namely their segmentation. Implemented a software product for segmenting and analyzing input images to display recognition results. Methods and tools used to implement this: Python programming language Keras library, NumPy and TensorFlow. Practical meaning. A system for image segmentation with ease of downloading and analyzing them and getting meaningful information about the results obtained.
Гасиджак, Віктор Степанович. "КЛАСИФІКАЦІЯ ВІБРАЦІЙНОГО СТАНУ ГАЗОТУРБІННОГО ДВИГУНА В ПРОЦЕСІ ЕКСПЛУАТАЦІЇ З ВИКОРИСТАННЯМ ІНТЕЛЕКТУАЛЬНИХ ТЕХНОЛОГІЙ". Thesis, Національний авіаційний університет, 2010. http://er.nau.edu.ua/handle/NAU/9896.
Повний текст джерелаДиссертация на соискание научной степени кандидата технических наук по специальности 05.22.20 − эксплуатация и ремонт средств транспорта. − Национальный авиационный университет, г. Киев, 2010. Диссертация посвящена повышению достоверности классификации вибрационного состояния газотурбинного двигателя (ГТД) на основе использования интеллектуальных технологий. В работе разработан эффективный алгоритм структурного и параметрического синтеза ИСАД, который вмещает радиально-базисную нейронную сеть с нечетким выводом классификации вибрационного состояния ГТД. Разработана методика построения «базы классов» ИСАД в виде: «если (диагностические признаки), то (класс вибрационного состояния ГТД)», позволяющая использовать экспертные оценки вибрационного состояния ГТД, а также сформировать диагностические признаки с учетом изменения эксплуатационных характеристик двигателя, обеспечивающая повышение точности классификации вибрационного состояния механической части ГТД. Достоверность предложенной модели ИСАД подтверждается кор-ректным применением апробированного математического аппарата, со-гласованностью результатов математического моделирования режимов работы ГТД с результатами уже известных исследований и теоретических положений, а также экспериментом. Ключевые слова: газотурбинный двигатель, техническое состояние, вибрационная диагностика машин и механизмов, интеллектуальная си-стема автоматического диагностирования, нейро-фаззи сети, искусствен-ные нейронные сети, системы нечеткой классификации, методы обучения.
The thesis for the candidate degree in technical sciences on the specialty 05.22.20 − operation and the repair of the means of transport. − National Aviation University, Kiev, 2010. Current research work is dedicated to an increase in the authenticity of the classification of gas-turbine engine (GTE) vibration state on the basis of the intellectual technologies use. In the dissertation improved the structure of the system of automatic diagnostics and control of the regimes of GTE work for an automatic change in the regime of the functioning of engine for decreasing the negative influence of vibration on the separate units or to exclude GTE stoppage with the appearance of the random, short-term levels of vibration, and to thus reduce operating costs. In the dissertation is developed the effective algorithm of structural and parametric synthesis of the intellectual system of automatic diagnosis (ISAD), which includes radial-basic neuron network with the illegible conclusion of classification and the prognostication of GTE vibration state. The procedure of construction «rule base» of ISAD is developed in the form: «if (diagnostic signs), then (class of vibration state GTE)», which makes it possible to use ex-pert estimations of GTE vibration state, and also to form diagnostic signs taking into account a change in the operating characteristics of typical engine, which made it possible to increase the accuracy of the classification of the vibration state of GTE mechanical part. The authenticity of the proposed ISAD model is confirmed by the cor-rect application of the approved mathematical apparatus, by the coordination of the results of the mathematical simulation of the regimes of GTE work with the results of already known studies and theoretical positions, and also experiment.
Старанчук, Захар Ігорович. "Багатокомп’ютерна система виявлення вторгнень на базі штучних імунних систем та нейронних мереж". Магістерська робота, Хмельницький національний університет, 2021. http://elar.khnu.km.ua/jspui/handle/123456789/10279.
Повний текст джерелаКанівець, Дмитро Володимирович. "Математичне та програмне забезпечення класифікації наукових текстів". Master's thesis, КПІ ім. Ігоря Сікорського, 2019. https://ela.kpi.ua/handle/123456789/31517.
Повний текст джерелаRelevance: to simplify the search for relevant information among scientific publications in Ukraine, a library classification is used. However, this system is not perfect at this time, because classification is erroneous, and in some cases it is executed for the journal as a whole, which results in partial discrepancies for some of its articles. Also, it takes a long time to perform the classification by a third party (such as a librarian or editor). The solution to this problem is to automate the classification process. By using machine learning, automatic classifier can be created, which will improve the accuracy of the classification compared to manual and accelerate the classification of new revenues. Purpose: create a classifier of scientific articles by UDC categories based on machine learning. To achieve this goal, the following tasks were formulated: - systematization of existing text data classification algorithms; - gathering sufficient training data, developing a classifier based on machine learning; - testing and analysis of the efficiency of the obtained algorithm; - determining the further direction of research. Object of study: library classification of scientific articles. Subject of study: algorithms for classification of text data. Research methods: naive Bayes classifier, neural networks, backpropagation algorithm were used to solve this problem. Scientific novelty: the most significant scientific results of a master's thesis are the study of the possibilities of automation of the classification of scientific texts; search for mistakes in already classified texts; creation of classification algorithms for distinguishing categories in texts of similar subjects. The practical value of the obtained results is determined by the fact that the proposed algorithm allows to achieve the accuracy of library classification in 86%, which allows to use it for finding and correcting errors in the classification of texts, as well as an aid in the classification of new receipts. Relationship with working with scientific programs, plans, topics: work was performed at the Department of Automated Information Processing and Management Systems of the Igor Sikorsky National Technical University of Ukraine «Kyiv Polytechnic Institute» within the topic «Mathematical Models and Technologies in DSS». State Registration Number 0117U000914 Approbation: the main provisions of the work were reported and discussed at the XIII Scientific and Practical Conference of undergraduate and graduate students «Applied Mathematics and Computing» (AMP-2019), as well as at the third all-Ukrainian scientific and practical conference of young scientists and students «Information Systems and Technologies of Management» (ISTM-2019).
Дячук, Іван Сергійович. "Інтелектуальна система підбору клієнтського контенту". Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/25528.
Повний текст джерелаThe master’s thesis contains the results of the development of intellectual system of selection of client content that can be used as a basis for the implementation of similar solutions. In the work the combined mathematical model and software complex with its use are developed. The results of the work were used in the development of system being put into operation, confirming the practical value of the results that were obtained.
Магистерская диссертация содержит результаты разработки интеллектуальной системы подбора клиентского контента, которые могут быть использованы, как основа для реализации аналогичных решений. В работе разработана комбинированная математическая модель и программный комплекс с ее использованием. Результаты работы были использованы при разработке системы, внедренной в эксплуатацию, что подтверждает практическое значение полученных результатов.
Савінський, Владислав В'ячеславович. "Технологія розробки програмної системи для озвучення тексту голосом людини на основі машинного навчання". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9408.
Повний текст джерелаНовіченко, Неля Валеріївна. "Система розпізнавання архітектурних стилів будівель за зображеннями". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2019. https://ela.kpi.ua/handle/123456789/30980.
Повний текст джерелаStructure and scope of work. Diploma project consists of six sections, contains 18 drawings, 21 tables, 1 applications, 17 sources. The diploma project is devoted to the development of tasks for the classification of images in order to determine the architectural styles of the buildings. Automatic methods for the classification of images during the analysis of architectural objects solve the problem of documenting cultural heritage and significantly reduce mistakes in sorting: usually a large number of images are processed and this is a tedious task, the process of classification by experts is prone to errors and takes a lot of time. The correct classification allows to study and analyze cultural heritage more effectively. In the diploma project were considered methods of classification of digital images, based on machine learning with the help of neural networks. The section on information provision define the data for training neural network, input and output data to a set of tasks, requirements for images for analysis, which corresponds to the set objectives of the project. The section of mathematical support is devoted to substantiation of the chosen approach of training the system, which allows to increase the accuracy of the results. The software section describes the main tools for developing a set of tasks, the requirements for technical support. This section defines and justifies the software architecture. The technology section describes the user's manual and tests a set of tasks.
Смішний, Денис Миколайович. "Система прогнозування економічних показників". Master's thesis, КПІ ім. Ігоря Сікорського, 2019. https://ela.kpi.ua/handle/123456789/30950.
Повний текст джерелаMaster's Thesis: 88 pp., 20 figs., 27 tables, 1 appendix, 33 sources. The urgency of the problem. Globalization and population growth are con-tributing to the development of the global economy and, consequently, to the emergence of new types of economic activity and new players in the labor market. When implementing your own business it is important to properly evaluate the risks of the market, analyzing and trying to predict the movement of quotations in the near future for minimal financial losses. Relationship with working with scientific programs, plans, topics. Cur-rently, it has no specific links to scientific programs or plans. The purpose and objectives of the study. The purpose of this work is re-search possibility of forecasting the economic parameters of enterprises on the ex-ample of stock prices of companies on the stock exchange. The purpose is to de-velop a system based on a neural network, capable of analyzing specified economic indicators and, based on the data obtained, to predict their dynamics. Object of study. The process of forecasting economic performance using neural network elements. Subject of study. Methods of analysis and processing of economic data for a certain period. Novelty. Obtaining a software product capable of predicting economic fluc-tuations. Investigation of the possibility of creating a universal model based on a neural network, which would not require specialization and would be able to work effectively with any set of input data without further training.
Гайдук, Ірина Вадимівна. "Вирішення транспортної задачі методами машинного навчання". Master's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/46504.
Повний текст джерелаMaster’s thesis: 87 pages, 27 figures, 24 tables, 21 sources. Theme: The classical problem of optimal transportation. The conducted research solves it by known methods, their advantages and disadvantages, the necessary conditions for the existence of an optimal solution. This was a proposed machine method for solving problems with the construction and model of learning based on a generative neural network. The paper considered general information on the method of solving the problem of optimal transportation with its unbalance and scalability. The results of three different types of problems solved by the machine learning method were analyzed. The subject of the study is the classical problem of optimal transportation in three different types. The subject of research is the methods of machine learning, in particular the generative competitive neural network.
Фалілеєва, Дар'я Миколаївна. "Методи оцінки впливу рекламних кампаній на попит". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/45243.
Повний текст джерелаDiploma work: 111 pages, 32 figures, 9 tables, 2 appendixes, 28 sources. The object of the study is data on the sales brand's market share and advertising ratings of the brand and competitors for 2016-2021. The subject of research is the methods of building a model for forecasting using neural networks. Python was chosen as the programming language. In this paper, a study of the impact of advertising campaigns on demand. The following algorithms were used to build models: random trees, decision trees, gradient boosting method. The best model was chosen to implement the time series forecast. The LSTM neural model was used for prediction. An analytical study of the impact of advertising campaigns on sales, seasonality and popularity on the Internet was also conducted. The direction of development of work is in expansion of a possible dataset with the best level of correlation, and also a possibility of addition of attributes of model.
Сабодашко, Дмитро Володимирович. "Вдосконалення методів і засобів біометричної автентифікації на основі електрокардіограми". Diss., Національний університет "Львівська політехніка", 2021. https://ena.lpnu.ua/handle/ntb/56772.
Повний текст джерелаСмілянець, Федір Андрійович. "Екстракція структурованої інформації з множини веб-сторінок". Master's thesis, КПІ ім. Ігоря Сікорського, 2020. https://ela.kpi.ua/handle/123456789/39926.
Повний текст джерелаRelevance of the research topic. Modern wide internet is a considerable source of data to be used in scientific and business applications. An ability to extract up to date data is frequently crutial for reaching necessary goals, though, modern quality solutions to this problem, which are using computer vision and other technologies, may be finantially demanding to acquire or develop, thus simple and cheap to develop, maintain and use solutions are necessary. The purpose of the study is to create a software instrument aimed at extraction of structured data from news websites for usage in news trustworthiness classification. Following tasks were outlined and implemented to achieve the aforementioned goal: - Outline existing approaches and analogues in areas of data extraction and news classification; - Design and develop extraction, preparation and classification algorhitms; - Compare the results achieved with developed extraction algorhitm and with existing software solution, including comparing machine learning accuracies on both of the extractors. The object of the study is the process of text data extraction with subsequent machine learning analysis. The subjects of the study are methods and tools of extraction and analysis of text data. Scientific novelty of the obtained results. A simple greedy algorithm was created, combining the process of link discovery and data extraction. Expediency of usage of simple web data extraction algorithms for composing machine learning datasets was proven. It was also proven that classical machine learning algorithms can achieve results similar to neural networks such as LSTM. Capabilities of machine learning systems to function efficiently in a bilingual context were also shown. Publications. Materials, related to this study, were published in the All-Ukrainian Scientific and Practical Conference of Young Scientists and Students “Information Systems and Management Technologies” (ISTU-2019) “News trustworthiness classification with machine learning”.
Дорофей, Валентин Вікторович, Назар Мирославович Паляниця, Valentyn Dorofei та Nazar Palyanytsya. "Розробка та апробація автоматизованих технологій розпізнавання радіологічних зображень та діагностування захворювань на їх основі з використанням нейронних мереж". Master's thesis, Тернопільський національний технічний університет ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра автоматизації технологічних процесів і виробництв, 2019. http://elartu.tntu.edu.ua/handle/lib/29663.
Повний текст джерелаВ магістерській роботі проведено аналіз наявних методів розпізнавання зображень та методів застосування машинного навчання в медицині. Виконано розроблення програмного пакету для розмічування радіологічних зображень а також власне розмічування цих зображень для їх розпізнавання та діагностування захворювань.
In the master's work the analysis of the available methods of image recognition and use of machine learning methods in medicine is carried out. The software package for marking radiological images has been developed, as well as the actual marking of these images for their recognition and diagnosis of diseases.
Вступ 8 1 Аналітична частина. Загальний огляд проблематики. вибір та опис використаних систем та методів 10 1.1 Обробка зображення та розпізнавання образів 10 1.1.1 Обробка зображення 10 1.1.2 Розпізнавання образів 12 1.2 Діагностика хвороб за допомогою аналізу зображень 16 1.2.1 Медична візуалізація 16 1.2.2 Комп'ютерна діагностика медичних зображень 17 1.2.3 Сучасний стан досліджень КД 18 1.2.4 Виявлення легеневих вузликів на ЗП та бічних рентгенограмах грудної клітки 19 1.2.5 Виявлення переломів хребців на бічних рентгенограмах грудної клітки 20 1.2.6 Виявлення внутрішньочерепної аневризми при МРА 20 1.2.7 Виявлення змін інтервалів у послідовних скануваннях кісток усього тіла 21 2 Науково-дослідна частина Формати медичних зображень 22 2.1 Особливості медичних зображень 22 2.1.1 Глибина пікселя 23 2.1.2 Фотометрична інтерпретація 24 2.1.3 Метадані 25 2.1.4 Дані пікселів 26 2.2 Стандартні формати зображень в медицині 27 2.2.1 BMP 28 2.2.2 TIFF 29 2.2.3 JPEG 29 2.2.4 GIF 30 2.2.5 MPEG 30 2.3 Спеціальні медичні формати 31 2.3.1 Analyze 31 2.3.2 Nifti 32 2.3.3 Minc 33 2.4 DICOM 34 3 Технологічна частина згорткові нейронні мережі 37 3.1 Штучні нейронні мережі 37 3.1.1 Перенавчання 38 3.2 Згорткові нейронні мережі 38 3.3 Архітектура ЗНН 39 3.3.1 Загальна архітектура 40 3.3.2 Згортковий шар 41 3.3.3 Шар пулінгу 43 3.4 Рекуррентна згорткова нейронна мережа 44 3.4.1 Рекуррентні нейронні мережі 44 3.5 Модель рекуррентної згорткової нейронної мережі 45 3.5.1 Рекуррентний згортковий шар 45 3.6 Штучні згорткові нейронні мережі для розпізнавання образів медичної візуалізації 48 3.7 Огляд задач, які вирішуються при використанням ЗНМ при обробці зображень 50 3.7.1 Класифікація 50 3.7.2 Використання згорткових нейронних мереж для класифікації зображень 51 3.7.3 Семантична сегментація 52 3.7.4 Розпізнавання об’єктів 55 3.7.5 Instance Segmentation 57 3.8 Використання ЗНМ для класифікації зображень 57 3.8.1 AlexNet 57 3.8.2 GoogleNet 59 3.8.3 ResNet 59 3.9 Використання ЗНМ для семантичної сегментації 60 3.9.1 U-Net 60 3.10 Використання ЗНМ для детектування об’єктів 61 3.10.1 YOLO 61 3.11 Метрики точності нейромереж для класифікації 62 3.11.1 Точність класифікації 62 3.11.2 Логарифмічна втрата 63 3.11.3 Матриця помилок 63 3.11.4 Площа під кривою 64 3.11.5 F1 показник 65 3.11.6 Середньоквадратична похибка 66 3.12 Метрики точності нейромереж для семантичної сегментації 67 3.12.1 Піксельна точність 67 3.12.2 Коефіцієнт флористичної спільності (коефіцієнт Жаккара) 68 3.12.3 Індекс Соренсена (показник F1) 69 3.13 Функції втрат для класифікації 70 3.13.1 Перехресна ентропія 70 3.13.2 Hinge 72 3.13.3 Функція втрат Г’юбера 73 3.13.4 Розбіжність Куллбека-Лайблера 74 3.13.5 Найменше абсолютне відхилення та найменше квадратне відхилення 74 3.14 Навчання нейромереж на вибірці з незбалансованими класами 75 3.14.1 Навчання з незбалансованих даних за допомогою Гауссової оцінки та моделювання шуму 78 3.14.2 Генерування прикладів даних за допомогою гаусової CPS 83 3.15 Розробка нейромереж за допомогою бібліотеки TensorFlow 88 3.15.1 Архітектура TensorFlow 88 3.15.2 Тензор 89 3.15.3 Графік 89 3.15.4 Як працює TensorFlow 91 3.16 Нейромережевий класифікатор на основі TensorFlow 91 3.16.1 Імпорт пакетів 91 3.16.2 Завантаження даних 92 3.16.3 Підготовка даних 93 3.16.4 Створення моделі 94 3.16.5 Навчання моделі 95 3.16.6 Візуалізація результатів навчання 97 3.17 Збільшення продуктивності моделі 98 3.17.1 Перенавчання 98 3.17.2 Розширення даних 99 3.17.3 Дропаут 102 3.17.4 Навчання мережі 103 3.17.5 Візуалізація моделі 105 4 Конструкторська частина 106 4.1 Машинне навчання у мамографії 107 4.2 ШІ у кардіології 108 4.3 Висновок до розділу 109 5 Спеціальна частина 111 5.1 Стан проблеми 111 5.2 Підготовка даних 112 5.3 DicomImageMarker 117 6 Обґрунтування економічної ефективності 120 6.1 Обчислення затрат на розробку програмного модуля 120 6.2 Визначення експлуатаційних витрат 126 6.3 Визначення економічної ефективності і терміну окупності капітальних вкладень 130 7 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 132 7.1 Міжнародна система безпеки при медичному опроміненні 134 7.1.1 Виправданість практичної діяльності при медичному опроміненні 134 7.1.2 Оптимізація захисту при медичному опроміненні 134 7.1.3 Межі дози при медичному опроміненні 135 7.2 Заходи щодо обмеження медичного опромінення при променевій діагностиці 136 7.2.1 Радіаційна безпека при проведенні рентгенологічних досліджень 137 7.3 Захист від випромінювання 138 7.3.1 Гарантування радіаційної безпеки медперсоналу рентгенівських відділень 139 7.3.2 Гарантування радіаційної безпеки пацієнтів при рентгенографії 140 7.3.3 Засоби для гарантування радіаційного захисту медперсоналу та пацієнтів 142 8 ЕКОЛОГІЯ 143 8.1 Енергозбереження і його роль у вирішенні екологічних проблем. 143 8.1.1 Енергоефективність у даному проекті 145 8.2 Джерела електромагнітних полів, іонізуючих випромінювань 146 8.3 Методи знешкодження електромагнітних полів та іонізуючого випромінювання 149 ВИСНОВКИ 151 Бібліографія 152 ДОДАТКИ 160 Додаток А Лістинг програми 161 Додаток Б Ілюстративні матеріали 169
Medvedieva, S. O., I. V. Bogach, V. A. Kovenko, С. О. Медведєва, І. В. Богач, and В. А. Ковенко. "Neural networks in Machine learning." Thesis, ВНТУ, 2019. http://ir.lib.vntu.edu.ua//handle/123456789/24788.
Повний текст джерелаThe paper covers the basic principles of Neural Networks’ work. Special attention is paid to Frank Rosenblatt’s model of the network called “perceptron”. In addition, the article touches upon the main programming languages used to write software for Neural Networks.
Момот, Андрій Сергійович. "Удосконалення методу визначення характеристик дефектів багатошарових матеріалів за результатами активного теплового контролю". Doctoral thesis, Київ, 2020. https://ela.kpi.ua/handle/123456789/34952.
Повний текст джерелаХома, Юрій Володимирович. "Теорія і методи комп’ютерного опрацювання біосигналів на основі машинного навчання". Diss., Національний університет "Львівська політехніка", 2020. https://ena.lpnu.ua/handle/ntb/56149.
Повний текст джерелаВоргуль, О. В., та О. Г. Білоцерківець. "Стандартизація криптобезпеки задля потреб та викликів сьогодення". Thesis, 2020. http://openarchive.nure.ua/handle/document/13857.
Повний текст джерелаТаранов, Олексій Вікторович. "Сепарація аудіо даних на основі машинного навчання". Магістерська робота, 2021. https://dspace.znu.edu.ua/jspui/handle/12345/6093.
Повний текст джерелаUA : Робота викладена на 78 сторінках друкованого тексту, містить 26 рисунків, 6 таблиць, 16 джерел, 3 додатки. Об’єкт дослідження: засоби поділу змішаних аудіо сигналів на основі алгоритмів машинного навчання. Мета роботи: дослідження ефективності та використання сучасних програмних засобів поділу змішаних аудіо сигналів на складові частини на основі алгоритмів машинного навчання. Метод дослідження: аналітичний. У кваліфікаційній роботі розглядаються сучасні засоби поділу змішаних аудіо сигналів на індивідуальні, залежно від їхньої природи походження, на основі алгоритмів машинного навчання. Розглянуто концепцію побудови алгоритмів машинного навчання та нейронних мереж для вирішення задач поділу змішаних аудіо даних. Виконано порівняння характеристик та ефективності роботи існуючих відкритих бібліотек призначених для поділу змішаних аудіо даних. На основі цього матеріалу побудовано веб-додаток для практичного застосування алгоритмів машинного навчання при виконанні поділу змішаних аудіо сигналів. Результати роботи можуть бути використані для побудови нових алгоритмів машинного навчання для сепарації аудіо сигналів, а також для їх практичного застосування.
EN : The work is presented on 78 pages of printed text, 26 figures, 6 tables, 16 references, 3 supplements. The object of the study is - means of separation of mixed audio signals into component parts on the basis of machine learning. The aim of the study is: research of modern software tools for dividing mixed audio signals into component parts based on machine learning, and the possibilities of their application. The method of research is - analytical. The qualification work considers modern means of dividing mixed audio signals into individual, depending on their nature of origin, based on machine learning algorithms. The concept of creation of machine learning algorithm and neural network for solving problems of mixed audio data separation is considered. The characteristics and performance of existing open libraries designed for the separation of mixed audio data are compared. Based on this material, a web application was built for the practical application of machine learning algorithms when performing the separation of mixed audio signals. The results of the work can be used to build new machine learning algorithms for the separation of audio signals, as well as their practical application.