Електронний архів
Національного університету "Львівська політехніка"
Архів зберігає опубліковані наукові матеріали переважно працівників Університету. Також доступна можливість "самоархівування"
Communities in DSpace
Select a community to browse its collections.
- Розміщені раніше опубліковані наукові праці зареєстрованих користувачів
- Фонд містить електронні матеріали, що були опубліковані працівниками Львівської політехніки
- Кваліфікаційна робота бакалавра або магістра є невід’ємною частиною атестації випускника вищого навчального закладу. Тут представлені повнотекстові версії робіт
- У фонді містяться документи, що були передані установами-партнерами
Recent Submissions
Розпізнавання мови жестів за допомогою алгоритмів машинного навчання
(Національний університет “Львівська політехніка”, 2023) Гринишин , Анастасія Богданівна; Національний університет “Львівська політехніка”
Ця дипломна робота приділяє увагу розпізнаванню американської мови жестів як актуальній та перспективній галузі, що може знайти широке застосування у спілкуванні, технологіях віртуальної реальності та підтримці людей з обмеженими можливостями. Робота описує важливість цього напрямку, аналізуючи методи та проблеми, пов'язані з розпізнаванням мови жестів. Перший розділ присвячений критичному аналізу літератури, під час якого були ідентифіковані ключові проблеми цієї галузі та відібрано 13 релевантних джерел за допомогою методу PRISMA. Визначено потребу у подальших дослідженнях для вирішення складнощів, таких як різноманітність жестів у різних культурах та умовах. У другому розділі роботи детально розглядаються різні методи розпізнавання мови жестів, зосереджуючись на нейронних мережах, таких як LSTM, ConvLSTM та трансформери. Аналізуються їхні переваги та використання в контексті розпізнавання жестів, включаючи важливість виявлення закономірностей між кадрами та використання функцій втрат для покращення точності системи. У наступному розділі оцінюються результати тестування чотирьох архітектур, зокрема трансформерів, де виявлено, що модель на основі трансформера перевершує у точності попередні архітектури, хоча використання деяких функцій втрат може впливати на її ефективність. Проаналізовано потребу у подальших експериментах з регуляризації для зменшення перенавчання та покращення результатів. Також було застосовано ансамбль моделей на основі найкращої архітектури, що показало певний ріст точності при збільшенні кількості моделей. Узагальнюючи, робота демонструє високий потенціал трансформерної архітектури в розпізнаванні жестів. У використанні різних функцій втрат, виявлені певні перспективи та важливість подальших експериментів з регуляризації для зменшення перенавчання та покращення точності. Результати свідчать про значний прогрес у цій галузі та визначають напрямки подальших досліджень для досягнення більш точних та надійних систем розпізнавання мови жестів. This thesis focuses on the recognition of American Sign Language as a relevant and promising field that can find wide application in communication, virtual reality technologies and support of people with disabilities. The work describes the importance of this direction, analyzing methods and problems related to sign language recognition. The first chapter is devoted to a critical analysis of the literature, during which the key issues of this field were identified and 13 relevant sources were selected using the PRISMA method. The need for further research to address complexities such as the diversity of gestures across cultures and settings is identified. The second chapter of the paper deals in detail with different methods of sign language recognition, focusing on neural networks such as LSTM, ConvLSTM and transformers. Their advantages and use in the context of gesture recognition are analyzed, including the importance of detecting patterns between frames and using loss functions to improve system accuracy. The next section evaluates the test results of four architectures, particularly transformers, where the transformer-based model is found to outperform previous architectures in accuracy, although the use of some loss functions may affect its performance. The need for further regularization experiments to reduce overtraining and improve results is analyzed. An ensemble of models based on the best architecture was also applied, which showed some increase in accuracy as the number of models increased. In summary, the work demonstrates the high potential of transformative architecture in gesture recognition. In the use of different loss functions, some perspectives are revealed and the importance of further regularization experiments to reduce overtraining and improve accuracy. The results indicate significant progress in this field and identify directions for further research to achieve more accurate and reliable sign language recognition systems.
Автоматизоване виділення розділів відео за допомогою ШІ
(Національний університет “Львівська політехніка”, 2023) Жахалов , Віктор Володимирович; Національний університет “Львівська політехніка”
Магістерська робота студента Жахалова Віктора групи CSAI-24. Тема "Автоматизоване розділення відео на розділи за допомогою штучного інтелекту". Робота є частиною програми комп'ютерних наук та направлена на отримання магістерського ступеню за спеціальністю 122 "Комп'ютерні науки". Об'єкт дослідження – процеси навігації та організації мультимедійного контенту на платформах. Предмет дослідження охоплює техніки та алгоритми обробки природної мови (NLP) та машинного навчання, що застосовуються для автоматизації сегментації відеоконтенту на основі текстових транскриптів. Метою роботи є розроблення інноваційної методології, яка автоматично сегментує відеоконтент на тематичні розділи, забезпечуючи полегшений доступ та контекстне розуміння мультимедійних ресурсів користувачами. Наукова новизна дослідження полягає у введенні передового алгоритму кластеризації без вчителя у поєднанні з методом ковзного вікна для обробки текстових транскриптів. Ця новаторська методологія також використовує виводи генеративних моделей для автоматизованого створення зрозумілих і інформативних назв для кожного ідентифікованого розділу, що розв'язує поточні обмеження у навігації мультимедійного контенту та покращує загальне залучення користувачів. Запропонована методологія використовує передові текстові ембедінги для векторизації сегментів транскриптів і застосовує спеціалізований підхід до кластеризації без попередньо визначеної кількості кластерів, що дозволяє системі адаптивно виділяти секції відео. Крім того, використовується генеративна модель узагальнення для формулювання точних і лаконічних підсумків, які служать як назви розділів, далі покращуючи навігацію мультимедійного контенту. В результаті дослідження було створено міцну та масштабовану систему для автоматизованої сегментації мультимедійного контенту. Ефективність цієї системи була підтверджена під час серії тестів на різних наборах відеоданих, що продемонструвала значне покращення у точності та ефективності сегментування порівняно з традиційними методами. Підсумовуючи, дане дослідження представляє новий підхід до організації мультимедійного контенту, що обіцяє стати цінним активом для навчальних платформ, розважальних індустрій та інших мультимедійних додатків з метою підвищення користувацького досвіду через інтелектуальну автоматизацію. Master’s degree work of the student Zhakhalov Viktor of the group CSAI-24. The topic is "Automated Video Chaptering Using AI". The work is part of the Computer Science program, aimed at obtaining a master's degree in specialty 122 "Computer Science". The surge of multimedia content has made it imperative to develop more precise and effective techniques for categorizing and navigating such material. Automatic video segmentation is one such method that retrieves video segments and allocates them titles autonomously. We are presenting a technique in this research that employs transcript analysis for the automatic segmentation of video content, aiding in better access and a broader comprehension of multimedia resources.
Розпізнавання об'єктів в небі за допомогою згорткової нейронної мережі
(Національний університет “Львівська політехніка”, 2023) Кошлань , Микола Андрійович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-11 Кошлань Миколою Андрійовичем. Тема «Розпізнавання об'єктів в небі за допомогою згорткової нейронної мережі». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси виявлення об'єктів на відео неба. Предметом дослідження є методи та засоби покращення існуючих нейромережевих алгоритмів для виявлення об'єктів на відео неба. Як методи дослідження поставленої задачі були застосовані згорткові нейронні мережі, дослідження було здійснено у два етапи та використано різні архітектури нейронних мереж. Практичне значення одержаних результатів полягає у подальшій імплементації створеного методу. Особистий внесок полягає у реалізації методу для знаходження об'єктів на відео неба, шляхом проведення великої кількості експериментів із навчанням нейронної мережі. This research project revolves around the development of a sophisticated system dedicated to the recognition of objects in the sky. Leveraging cutting-edge neural networks, state-of-the-art machine learning techniques, and advanced image processing technologies, this system exhibits the remarkable capability to autonomously detect and categorize a diverse array of objects within Earth's atmosphere. The dataset comprises photos of airplanes, helicopters, missiles, fighter jets, drones. One of the pivotal objectives of this endeavor is to ensure not only the efficiency but also the user-friendliness of the system. This dual focus is aimed at facilitating a seamless integration of this technology into a plethora of domains, including meteorology for more accurate weather forecasting, security for enhanced surveillance and monitoring capabilities, and scientific research within the realms of astronomy and aerospace technology, enabling groundbreaking discoveries and innovations. In conclusion, this research represents a significant leap forward in our quest to gain a deeper understanding of our ever-evolving skies and harness this knowledge for various practical applications. It underscores the transformative potential of modern technology in addressing multifaceted challenges and expanding the horizons of human knowledge.
Система підтримки рішень про купівлю-продаж важкої техніки на основі багатофакторного аналізу функціональних та операційних характеристик
(Національний університет “Львівська політехніка”, 2023) Левицький , Богдан Романович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Левицький Богданом Романовичем. Тема “ Система підтримки рішень про купівлю-продаж важкої техніки на основі багатофакторного аналізу функціональних та операційних характеристик ”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси прогнозування вартості та стану важкої техніки для створення системи підтримки прийнятті рішень при покупці-продажі важкої техніки. Предметом досліджень є методи та засоби машинного навчання з вчителем для вирішення задач класифікації та прогнозування, а також методи попереднього опрацювання даних. Досягнення мети відбувається за рахунок використання даних поєднаних із різних джерел. Дані піддаються аналізу та використовуються в подальшому для тренування моделей машинного навчання. Оптимальний процес навчання та вибору моделі досягається за рахунок використання алгоритму оптимізації, що працює на основі генетичного алгоритму. Отримані результати подаються користувачу для подальшого прийняття рішень. Апробацію роботи здійснено на основі реальних даних оголошень про продаж технічних засобів. У результаті виконання дипломної роботи створено програмну реалізацію підтримки прийняття рішень з відповідним користувацьким інтерфейсом. Загальний обсяг роботи: 72 сторінки, 17 рисунки, 17 посилання. Master’s degree work of the student of the group CSAI-23 Levytskyi Bohdan. The topic is "Complex Decision Support System for sell/buy used construction vehicles based on a multifactorial analysis of functional and operational characteristics". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is processes of forecasting the value and condition of construction vehicles to create a decision support system for the purchase and sale of construction vehicles. The subject of research is machine learning algorithms, exactly supervised learning, for solving classification and regression problems, as well as methods of machine learning data pre-processing The goal of the research is build decision support system for end user to help them make a proper decision about buying/selling construction vehicles. The data is analyzed and used further to train machine learning models. The optimal learning and model selection process is achieved through the use of an optimization algorithm based on a genetic algorithm. The obtained results are presented to the user for further decision-making. Approbation of the work was carried out on the basis of real data of advertisements for the sale of technical means. As a result of the bachelor's qualification work a software implementation of decision-making support with a corresponding user interface. The total volume of work: 72 pages, 17 figures, 17 references.
Застосування машинного навчання щодо оцінювання технічних аспектів важкої техніки для формування персоналізованих рекомендацій
(Національний університет “Львівська політехніка”, 2023) Лукаш , Олексій Володимирович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Лукашем Олексієм Володимировичем. Тема “Застосування машинного навчання щодо оцінювання технічних характеристик важкої техніки для формування персоналізованих рекомендацій”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є формування персоналізованих рекомендацій щодо оцінювання важливих аспектів важкої техніки відповідно до сфери діяльності. Об’єктом дослідження є важливі характеристики датчиків важкої техніки. У результаті виконання дипломної роботи було розроблено програмний продукт, який дозволяє отримати персоналізовані рекомендації щодо важкої техніки залежно від сфери та типу застосування техніки. Предметом досліджень є методи та алгоритми обробки даних та машинного навчання для оцінювання технічних характеристик важкої техніки для формування персоналізованих рекомендацій. Загальний обсяг роботи: 68 сторінок, 3 таблиці, 20 рисунків та 19 літературних джерел. Master’s degree work of the student of the group CSAI-23 Lukash Oleksii Volodymyrovych. The topic is "Personalized recommendations system using machine learning to evaluate technical aspects of heavy equipmen". The work is aimed at obtaining a master's degree in 122 "Computer Science". The purpose of the thesis is to form personalized recommendations for evaluating important aspects of heavy machinery in accordance with the field of activity. The object of research is the important characteristics of heavy machinery sensors. As a result of the thesis, a software product was developed that allows you to get personalized recommendations for heavy machinery, depending on the scope and type of application of the equipment. The subject of research is data processing and machine learning methods and algorithms. Total amount of work: 68 pages, 3 tables, 20 figures and 19 references.