Дисертації з теми "Навчання нейронної мережі"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся з топ-50 дисертацій для дослідження на тему "Навчання нейронної мережі".
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.
Ковшик, Валентин Ігорович. "Визначення параметрів штучної нейронної мережі для прогнозування логістичних витрат". Thesis, Національний технічний університет "Харківський політехнічний інститут", 2017. http://repository.kpi.kharkov.ua/handle/KhPI-Press/42694.
Повний текст джерелаКохановська, Н. В., О. В. Якімова та Андрій Олександрович Дашкевич. "Розробка алгоритму навчання штучної нейронної мережі для вирішення задачі класифікацї". Thesis, НТУ "ХПІ", 2011. http://repository.kpi.kharkov.ua/handle/KhPI-Press/3350.
Повний текст джерелаБолбас, Ю. А., та М. Г. Заворотна. "Выбор структуры нейронной сети для выполнения функций распознавания". Thesis, ХНУРЕ, 2019. http://openarchive.nure.ua/handle/document/8475.
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 джерелаШамрелюк, В'ячеслав Валерійович. "Розпізнавання образів нейромережею із генетичним алгоритмом навчання". Магістерська робота, Хмельницький національний університет, 2021. http://elar.khnu.km.ua/jspui/handle/123456789/10987.
Повний текст джерелаФ, Брунь В. "Концептуальні підходи до навчання нейронних мереж". Thesis, Київ, Національний авіаційний університет, 2012. http://er.nau.edu.ua/handle/NAU/18857.
Повний текст джерелаЗубенко, О. В., Л. М. Семенова, O. V. Zubenko, and L. M. Semenova. "Artificial Neural Networks and Their Current Level of Development." Thesis, Міжнародний гуманітарний університет; Південний регіональний центр Національної академії правових наук України, 2018. http://ir.lib.vntu.edu.ua//handle/123456789/24113.
Повний текст джерелаВ роботі розглянуто нейронні мережі як один з провідних сучасних напрямків розвитку інформаційних технологій. Представлено загальну концепцію нейронної мережі, основні різновиди таких мереж та їх сучасний рівень розвитку.
Мац, В. І., та Леонід Михайлович Любчик. "Перенесення стилю за допомогою нейронних мереж". Thesis, Національний технічний університет "Харківський політехнічний інститут", 2019. http://repository.kpi.kharkov.ua/handle/KhPI-Press/48448.
Повний текст джерелаСмішний, 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.
Барченко, Н. Л. "Інформаційна система підготовки вхідних даних для організації людино-машинної взаємодії в системах електронного навчання". Master's thesis, Сумський державний університет, 2021. https://essuir.sumdu.edu.ua/handle/123456789/82480.
Повний текст джерелаАбойі, С. О. "Метод машинного навчання для веб-безпеки та аналітики". Master's thesis, Сумський державний університет, 2018. http://essuir.sumdu.edu.ua/handle/123456789/72577.
Повний текст джерелаМоскаленко, 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.
Черемський, І. А., та Олена Петрівна Черних. "Аналіз методів застосування нейронних мереж для визначення полярності тексту". Thesis, Національний технічний університет "Харківський політехнічний інститут", 2018. http://repository.kpi.kharkov.ua/handle/KhPI-Press/45637.
Повний текст джерелаАндрущак, Володимир Степанович. "Моделі управління потоками інфокомунікаційних мереж з використанням методів штучного інтелекту і машинного навчання". Diss., Національний університет "Львівська політехніка", 2021. https://ena.lpnu.ua/handle/ntb/56769.
Повний текст джерелаЯкимів, 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.
Яковів, 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 джерелаРибалко, В. А. "Веб-додаток для прогнозування фондового ринку на основі штучних нейронних мереж". Thesis, Чернігів, 2021. http://ir.stu.cn.ua/123456789/22467.
Повний текст джерелаОб’єктом розробки став веб-додаток для прогнозування фінансових часових рядів на основі штучних нейронних мереж. У роботі описано етапи та методи розробки веб-додатку, який передбачає ціни на фінансові інструменти та забезпечує можливість їх перегляду за допомогою веб-браузера. Форма прогнозу представлена у вигляді графіку ймовірностей, який складається з двох рядків: зелений - ймовірність подальшого руху цін вище поточних значень, червоний рядок - ймовірність подальшого руху цін нижче. Переглядаючи прогноз, можна змінити час на який буде прогноз. Нейронні мережі роблять прогнози щодо періоду дії однієї японської свічки на різних горизонтах, і, змінюючи її, ви можете регулювати діапазон прогнозу. Отримуючи нові дані, система постійно перевіряє попередні прогнози щодо цього значення, тим самим визначаючи точність прогнозу нейронної мережі. Після оцінки точності коригуються пороги початкових значень нейронної мережі для кожного класу прогнозу, а саме рух вгору і вниз.
The object of development was a web application for forecasting financial time series based on artificial neural networks. The article describes the stages and methods of developing a web application that provides prices for financial instruments and provides the ability to view them using a web browser. The forecast form is presented in the form of a probability graph, which consists of two lines: green - the probability of further price movements above current values, red line - the probability of further price movements below-che. By viewing the forecast, you can change the time for which the forecast will be. Neural networks make predictions about the duration of one Japanese candle on different horizons, and by changing it, you can adjust the forecast range. Upon receiving new data, the system constantly checks previous predictions for this value, thereby determining the accuracy of the prediction of the neural network. After estimating the accuracy, the thresholds of the initial values of the neural network for each forecast class are adjusted, namely the up and down motion.
Таценко, А. С. "Підсистема визначення рівня безпеки аккаунту з використанням методів машинного навчання в системі виявлення кіберзагроз". Thesis, Чернігів, 2021. http://ir.stu.cn.ua/123456789/22474.
Повний текст джерелаМетою даної кваліфікаційної роботи є розробка підсистеми визначення рівня безпеки аккаунту з використанням методів машинного навчання в системі виявлення кіберзагроз. Об’єктом дослідження є моделі та методи штучного інтелекту в галузі обробки та інтелектуального аналізу даних природніх мов. Предметом дослідження є методи та системи машинного навчання, на розмічених прикладах для побудови моделі прогнозування багато класової класифікації текстів Методами дослідження стали – метод обробки текстових даних до векторного виду (Word2Vec), логістична регресія, метод наівних баєсів та згорткова нейронна мережа LSTM (RNN). За допомогою цих методів можна приймати рішення для бізнесу, в політичних цілях і т.п. Останнім часом велика кількість людей діляться своєю думкою через Інтернет, тому в епоху інформації даний підхід до аналізу думки громадськості вимагає своєї уваги і є достатньо актуальним. В роботі запропоновано система класифікаціі рівня безпеки акаунтів. Виконане ретельне проектування систем. Програмна реалізація була здійснена за допомогою мови програмування Python за підтримки відкритих програмних бібліотек для машинного навчання TensorFlow, бекенду машинного навчання Keras та Sckit Learn. Підсистема була реалізована за на основі веб-фреймворку Flask. Результати роботи викладені у вигляді таблиць та ілюстрацій, що демонструють правильність вибору методів виділення суттєвих ознак, а також прикладу класифікації повідомлень. Результати роботи можуть бути використані для подальшої розробки системи пошуку токсичних повідомлень у соціальних мережах, або бути перекваліфікованими для пошуку повідомлень іншого характеру, наприклад, терористичних.
The purpose of this qualification work is to develop a subsystem for determining the level of account security using machine learning methods in the cyber threat detection system. The object of research are models and methods of artificial intelligence in the field of processing and intellectual analysis of natural language data. The subject of research are methods and systems of machine learning, on the marked examples for construction of model of forecasting of many class classification of texts The methods of research were the method of processing text data into a vector form (Word2Vec), logistic regression, the method of naive bayes and the convolutional neural network LSTM (RNN). With these methods you can make decisions for business, political purposes, etc. Recently, a large number of people share their opinions via the Internet, so in the information age, this approach to the analysis of public opinion requires attention and is quite relevant. The system of classification of account security level is offered in the work. Careful design of systems is executed. The software was implemented using the Python programming language with the support of open source software libraries for machine learning TensorFlow, machine learning backend Keras and Sckit Learn. The subsystem was implemented on the basis of the Flask web framework. The results are presented in the form of tables and illustrations that demonstrate the correctness of the choice of methods for highlighting the essential features, as well as an example of the classification of messages. The results of the work can be used to further develop a system for searching for toxic messages on social networks, or be retrained to search for messages of another nature, such as terrorist.
Колупанов, 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 джерелаСтаранчук, 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 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 джерелаЛавренів, Андрій Дмитрович, та Andrii Lavreniv. "Розробка методів дослідження нейронних мереж з використанням середовища Wolfram Mathematica та мови програмування С++". Master's thesis, ТНТУ ім. І Пулюя, 2021. http://elartu.tntu.edu.ua/handle/lib/36818.
Повний текст джерелаМета, яка поставлена в магістерській роботі досягається шляхом виконання таких завдань для середовища Wolfram Mathematica: дослідження основних видів нейронних мереж та способів їх подання; навчання нейронної мережі; формування репозиторію нейронної мережі Wolfram; способи отримання необхідної інформації у нейронній мережі;розробка самостійної LeNet архітектури та MXNet фреймфорку для нейронних мереж.
Даценко, Владислав Сергійович. "Метод реалізації систем ідентифікації вторгнень на базі нейромереж глибокого навчання". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9585.
Повний текст джерелаБєляков, 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 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.
Зайяд, Абдаллах Мухаммед. "Ecrypted Network Classification With Deep Learning." Master's thesis, КПІ ім. Ігоря Сікорського, 2020. https://ela.kpi.ua/handle/123456789/34069.
Повний текст джерелаThis dissertation consists of 84 pages, 59 Figures and 29 sources in the reference list. Problem: As the world becomes more security conscious, more encryption protocols have been employed in ensuring suecure data transmission between communicating parties. Network classification has become more of a hassle with the use of some techniques as inspecting encrypted traffic can pose to be illegal in some countries. This has hindered network engineers to be able to classify traffic to differentiate encrypted from unencrypted traffic. Purpose of work: This paper aims at the problem caused by previous techniques used in encrypted network classification. Some of which are limited to data size and computational power. This paper employs the use of deep learning algorithm to solve this problem. The main tasks of the research: 1. Compare previous traditional techniques and compare their advantages and disadvantages 2. Study previous related works in the current field of research. 3. Propose a more modern and efficient method and algorithm for encrypted network traffic classification The object of research: Simple artificial neural network algorithm for accurate and reliable network traffic classification that is independent of data size and computational power. The subject of research: Based on data collected from private traffic flow in our own network simulation tool. We use our proposed method to identify the differences in network traffic payloads and classify network traffic. It helped to separate or classify encrypted from unencrypted traffic. 6 Research methods: Experimental method. We have carried out our experiment with network simulation and gathering traffic of different unencrypted protocols and encrypted protocols. Using python programming language and the Keras library we developed a convolutional neural network that was able to take in the payload of the traffic gathered, train the model and classify the traffic in our test set with high accuracy without the requirement of high computational power.
Кравець, 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.
Шевченко, Артем Олександрович. "Застосування штучного інтелекту для класифікації продуктів харчування". Магістерська робота, Хмельницький національний університет, 2020. http://elar.khnu.km.ua/jspui/handle/123456789/9415.
Повний текст джерелаСавінський, 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 джерелаКовальчук, Роман Дмитрович, та Roman Kovalchuk. "Дослідження можливостей використання методів машинного навчання для розробки на мобільні платформи". Master's thesis, ТНТУ ім. І Пулюя, 2021. http://elartu.tntu.edu.ua/handle/lib/36827.
Повний текст джерелаМетою даної магістерської роботи є дослідження можливостей використання засобів машинного навчання при розробці на мобільні платформи. Для досягнення поставленої мети було сформовано наступні завдання: 1. проаналізувати можливі засоби машинного навчання доступні для використання на мобільних платформах; 2. проаналізувати засоби розробки додатків для платформ IOS та Android; 3. спроектувати та реалізувати додаток для однієї з мобільних платформ; 4. протестувати розроблений додаток. Після виконання всіх поставлених завдань було продемонстровано практичне використання засобів машинного навчання для розробки додатків на мобільні платформи.
Канівець, 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).
Кичигіна, Анастасія Юріївна. "Прогнозування ІМТ за допомогою методів машинного навчання". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2020. https://ela.kpi.ua/handle/123456789/37413.
Повний текст джерелаThesis: 100 p., 17 tabl., 16 fig., 2 add. and 24 references. The object of the study is the human body mass index. The subject of research is machine learning methods - regression models, ensemble model random forest and neural network. In this paper, a study of the dependence of the human body mass index and the presence of excess body weight on eating and living habits. To build the study, the methods of machine learning and data analysis were used, work was done to identify opportunities to improve the performance of standard models and identified the best model for the implementation of predicting and classification based on the data. The direction of work is in the reduced dimensions of the feature space, selection of the best observations with valid data for better performance of models, as well as in combining different teaching methods and obtaining more effective ensemble models.
Сороцька, Наталя Тарасівна, та Natalya Sorotsʹka. "Розробка програмної системи керування контентом на основі використання мови С # по технології ASP.NET WebApi". Master's thesis, Тернопільський національний технічний університет імені Івана Пулюя, 2019. http://elartu.tntu.edu.ua/handle/lib/30645.
Повний текст джерелаDiploma work designed to make research, design and develop a web-based recipe management service and design a neural network for creating recipes through machine learning. Methods and software used in the development of the system: C # programming language and its libraries, Visual Studio development environment, SQLMeneger database development environment. Input and output information processed, dynamic web services creation technologies investigated, structure of available information base, block diagrams and code models of basic functions described, software development conducted, labor safety issues examined.
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.
Bezverkha, Kateryna. "Using of neural networks in aviation." Thesis, National Aviation University, 2021. https://er.nau.edu.ua/handle/NAU/50732.
Повний текст джерелаТhe use of neural network technologies in aviation is analyzed in the work and the prospects for their development of aviation systems.
У роботі проаналізовано використання нейромережевих технологій в авіації та перспективи їх розвитку в авіаційних системах.
Коваленко, А. О. "Інтелектуальна система розпізнавання шкідливого програмного забезпечення". Master's thesis, Сумський державний університет, 2021. https://essuir.sumdu.edu.ua/handle/123456789/84124.
Повний текст джерелаДорофей, 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
Новіченко, 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.
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.
Підгородецький, Михайло Ігорович, та Mykhailo Pidhorodetskyi. "Проектування та розробка системи ідентифікації та класифікації зображень біооб’єктів за допомогою відкритих бібліотек Python". Master's thesis, ТНТУ ім. І Пулюя, 2021. http://elartu.tntu.edu.ua/handle/lib/36766.
Повний текст джерелаЧерез тісний зв’язок ідентифікації та класифікації об’єктів з аналізом відео та розумінням зображення, на це звернули увагу багато дослідників за останні роки. Традиційні методи виявлення об'єктів засновані на написаних вручну особливостях, є малоефективними. Їх продуктивність знижується під час конструювання складних систем, які поєднують в собі кілька низькорівневих особливостях зображення порівняно з детекторами об’єктів та класифікаторами зображень. Завдяки швидкому розвитку глибокого навчання, більш потужні інструменти, які здатні вивчати семантичні, високорівневі та глибші особливості, вводяться для вирішення існуючих проблем з якими не справляються традиційні архітектури. Ці моделі поводяться по-різному в залежно від архітектурі мережі, стратегії навчання та функцій оптимізації тощо.
Хома, 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 джерелаДіденко, Данііл Юрійович. "Алгоритми розпізнавання емоцій за мовними сигналами". Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/25470.
Повний текст джерелаThe thesis contains the main part on 38 sheets, 24 illustrations. The purpose of the dissertation is to analyze and simulate the algorithms for recognizing emotions by speech signals. The object of research is the algorithms of emotion recognition. The subject of the study is the recognition of emotions by the speech signal. The result of the work is: Research of the principles of the algorithms of emotional recognition; Investigation of acoustic signs of a speech signal; Simulation and comparison of various algorithms for recognizing emotions by speech signal. Field of application: digital processing of acoustic signals.
Целью диссертации является анализ и моделирование алгоритмов распознавания эмоций по речевыми сигналам. Объектом исследования являются алгоритмы распознавания эмоций. Предметом исследования является распознавание эмоций по речевым сигналом. Результатом работы являются: Исследование принципов действия алгоритмов распознавания эмоций; Исследование акустических признаков речевого сигнала; Моделирование и сравнения различных алгоритмов распознавания эмоций по речевым сигналом. Область применения: цифровая обработка акустических сигналов.
Ковальов, Костянтин Миколайович. "Комп'ютерна система управління промисловим роботом". Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2019. https://ela.kpi.ua/handle/123456789/28610.
Повний текст джерелаQualifying work includes an explanatory note (56 p., 2 appendix). The object of the study are reinforcement learning algorithms for the task of an industrial robotic arm control. Continuous control of an industrial robotic arm for non-trivial tasks is too complicated or even unsolvable for classical methods of robotics. Reinforcement learning methods can be used in this case. They are quite simple to implement, allow for generalization to unseen cases, and learn from high-dimensional data. We implement deep deterministic policy gradient algorithm that is suitable for complex continuous contol tasks. During the study: • An analysis of existing classical methods for the problem of industrial robot control was conducted • An analysis of existing algorithms of training with reinforcement learning and their use in the field of robotics has been conducted • Deep deterministic policy gradient algorithm is implemented • Implemented algorithm is tested on a simplified environment • The architecture of the neural network is proposed for solving the problem • Algorithm was tested on the training set of objects • Algorithm was tested for its generalization ability on the test set It was shown that deep deterministic policy gradient algorithm with neural network as policy approximator is able to solve the problem with the image as an input and to generalize to objects not seen before.
Головацький, Ігор Володимирович. "Інтелектуальна система розпізнавання елементів дорожнього руху". Master's thesis, КПІ ім. Ігоря Сікорського, 2019. https://ela.kpi.ua/handle/123456789/31808.
Повний текст джерелаExamines the problem of recognition of traffic elements in the video stream, analyzes the existing problems and complexities in the existing methods of recognition of the elements and compares their characteristics of accuracy and speed, advantages and disadvantages. An intelligent system for recognizing traffic elements is using machine learning algorithms and neural networks. The system can be used in video recorders and passive vehicle security systems. In general, the paper addresses the purpose and feasibility of using a neural network and presents the software implementation of the system using the C# programming language and the Accord.NET library. The main requirements of which are: acceptable recognition accuracy, the ability to use video stream as input, found elements should be intuitive highlighted among other elements and simplicity in configuring. Special attention was paid to the local results of the experiments, which give an idea of the characteristics of the proposed system. Explanatory note size – 81 pages, contains 23 illustrations, 28 tables, 6 applications.
Шалда, І. С. "Інформаційна технологія навігації безпілотного робота на основі семантичної сегментації відео зображень". Master's thesis, Сумський державний університет, 2018. http://essuir.sumdu.edu.ua/handle/123456789/72251.
Повний текст джерелаЧапалюк, Богдан Володимирович. "Системи автоматичної медичної комп’ютерної дiагностики з використанням методiв штучного iнтелекту". Doctoral thesis, Київ, 2020. https://ela.kpi.ua/handle/123456789/39677.
Повний текст джерелаМомот, 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 джерела