Browsing by Author "Fedasyuk, D. V."

Now showing 1 - 3 of 3

Convergence of stochastic optimization procedure for adequacy criteria of testing
(Видавництво Львівської політехніки, 2012) Chabanyuk, Ya. M.; Fedasyuk, D. V.; Seniv, М. М.; Khimka, U. T.
The stochastic optimization procedure with the markov switching for analysis of restoration systems reliability is designed.
Vocational work among young people: future vision
(Publishing House of Lviv Polytechnic National University, 2011) Pavlysh, V. A.; Pikh, Z. G.; Fedasyuk, D. V.; Zagorodniy, A. H.; Zakharyash, O. S.; Shakhovska, N. B.; Vasylyna, B. S.
The proceedings of Lviv Politechnic National University for the international exposition "Education and career – 2011" golden winner highlight the experience of implementation and usage of modern concepts in the sphere of vocational work among young people. Intellectual training and research centre of vocational and career education, established at the university, provides an educational mission of higher educational institution, the complex approach to best entrants selection, their training for entrance examinations; external testing and helps choose a profession consciously.
Застосування згорткової нейронної мережі для виявлення меланоми за зображенням новоутворення на мобільному пристрої
(Видавництво Львівської політехніки, 2021-10-10) Дем’янець, Т. В.; Федасюк, Д. В.; Demianets, T. V.; Fedasyuk, D. V.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
Розглянуто сучасні методи виявлення меланоми за зображенням новоутворення, проаналізовано їх переваги та недоліки. У статті продемонстровано прототип мобільного застосунку для виявлення меланоми за зображенням родимки на підставі згорткової нейронної мережі, котрий розробляється для операційної системи Android. Доповнено набір даних на підставі HAM10000 для навчання задля усунення незбалансованості класів та покращення показників точності мережі. Виконано пошук наявних нейронних мереж, котрі забезпечують високу точність, та вибрано для дослідження нейромережі VGG16, MobileNet та NASNetMobile. До наведених нейронних мереж застосовано техніки передавання навченості та точного налаштування для адаптування мереж до задачі класифікації уражень шкіри. Встановлено, що використання згаданих технік дає змогу отримати високі показники точності нейронної мережі для вказаного завдання. Описано процес конвертування згорткової нейронної мережі в оптимізований формат Flatbuffer засобами TensorFlow Lite для розміщення та використання на мобільному пристрої. Оцінено характеристики швидкодії вибраних нейронних мереж на мобільному пристрої за часом класифікації на центральному і графічному процесорах та здійснено порівняння обсягу пам’яті, яку займає файл окремої мережі. Виконано порівняння розміру файлу нейронної мережі до конвертування та після. Продемонстровано, що використання конвертора TensorFlow Lite значно зменшує розмір файлу нейронної мережі завдяки оптимізованому формату. Результати дослідження свідчать про високу швидкодію застосунку та компактність мереж на пристрої, а використання графічного пришвидшення дає змогу значно зменшити тривалість класифікації зображень новоутворення. На підставі проаналізованих параметрів вибрано NASNetMobile як оптимальну нейронну мережу для використання у мобільному застосунку для виявлення меланоми.