Магістерські роботи

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/61744

Browse

Now showing 1 - 20 of 105

Каскадна модель машинного навчання для попереднього опрацювання даних екологічного моніторингу з розвиненої мережі пристроїв ІоТ
(Національний університет "Львівська політехніка", 2022) Шевчук, Ігор Олегович; Національний університет "Львівська політехніка"
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Шевчуком Ігорем Олеговичем. Тема “Каскадна модель машинного навчання для попереднього опрацювання даних екологічного моніторингу з розвиненої мережі пристроїв ІоТ”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є розробка каскаду методів машинного навчання для реалізації граничних обчислень під час розвʼязання задачі заповнення пропусків у даних з розвиненої системи пристроїв IoT. Об’єктом дослідження є процеси попереднього опрацювання даних екологічного моніторингу стану повітряного середовища за допомогою пристроїв інтернету речей. Предметом дослідження є ансамблеві методи реалізації граничних обчислень для заповнення пропусків у даних з розвиненої мережі пристроїв ІоТ. Результатом виконання роботи є ріалізований каскадний метод для заповнення пропусків у даних повітряного моніторингу пристроями IoT. Master#s degree work of the student of the group CSAI-22 Shevchuk Ihor Olehovych. The topic is "A cascade machine learning model for preprocessing environmental monitoring data from a developed network of IoT devices". The work is aimed at obtaining a master's degree in 122 "Computer Science". Research purpose: develop a cascade of machine learning methods for the implementation of boundary computations when solving the problem of filling missing values in data from a developed system of IoT devices. Research object: the processes of pre-processing of the environmental monitoring data of the state of the air environment with the help of Internet of Things devices. Research subject: the ensemble methods of implementing edge computing to fill missing values in data from a developed network of IoT devices. The practical significance of the work is a developed cascade method for filling missing values in aerial monitoring data with IoT devices.
Виділення об'єктів інтересу на зображеннях дистанційного зондування засобами згорткових нейронних мереж
(Національний університет ”Львівська політехніка”, 2022) Гецянин, Дмитро Русланович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Гецянином Дмитром Руслановичем. Тема "Виділення об'єктів інтересу на зображеннях дистанційного зондування засобами згорткових нейронних мереж". Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є розроблення програмного продукту, нейронної мережі, що виділяє об’єкти на зображеннях ДЗЗ. Об’єктом дослідження є процес виділення об’єктів із зображення за допомогою методів машинного навчання. У результаті виконання дипломної роботи було розроблено вдосконалену згорткову нейронну мережу за допомогою оптимізації гіперпараметрів генетичним алгоритмом, система приймає зображення ДЗЗ, як ввід і повертає зображення з обведеним об'єктом та назвою його класу. Дана мережа може використовуватися на практиці в спостереженні за автомобільним трафіком в містах, використання у військових та урядових структурах та ін. Master’s degree work of the student of the group CSAI-21 Hetsianyn Dmytro Ruslanovych. The topic is "Object Detection in Remote Sensing Images using CNN." The work is aimed at obtaining a master's degree in 122 "Computer Science." The aim of the diploma work is to develop a software product, a neural network, which detects objects from remote sensing images. The object of research is the process of extracting objects from an image using machine learning methods. As a result of the diploma work, an improved convolutional neural network was developed using the optimization of hyperparameters by a genetic algorithm, the system accepts a remote sensing image as input and returns the image with object in bounded box and the name of its class. This network can be used to monitor car traffic in cities, use in military and government structures, etc.
Інформаційна технологія навчання персоналу підприємств засобами віртуальної реальності
(Національний університет “Львівська політехніка”, 2022) Щур, Гліб Олександрович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Щуром Глібом Олександровичем. Тема “Інформаційна технологія навчання персоналу підприємств засобами віртуальної реальності”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є програмна розробка з метою легкого розгортання додатків віртуальної реальності. Об’єктом дослідження є навчання персоналу у віртуальній реальності. У результаті виконання дипломної роботи було реалізовано програмний продукт та інформаційну систему для тренування персоналу підприємств засобами віртуальної реальності. Дана система може використовуватися на практиці для безпечного навчання персоналу підприємств у небезпечних його частинах. Master’s degree work of the student of the group CSAI-22 Shchur Hlib Oleksandrovych. The topic is "Information technology for training the personnel of enterprises by means of virtual reality". The work is aimed at obtaining a master's degree in 122 "Computer Science". The purpose of this work is software development for easy deployment of virtual reality applications. The object of the research is the training of personnel in virtual reality. As a result of the diploma work, there was a software product and an information system for training the personnel of enterprises by means of virtual reality. This system can be used in practice for safe training of enterprise personnel in its dangerous parts. Manufacturing systems must be able to respond quickly to customer needs as a result of constant product customization. Therefore, the smart factory of the future should have excellent product design and production control as important elements. This requires creative and intelligent approaches both in the field of objects (for example, the Internet of Things) and in the fields of processes (for example, knowledge-based engineering). The production potential of an enterprise equipped with advanced technological resources in accordance with the idea of Industry 4.0 can be fully utilized only then.
Розробка середовища для розпізнавання рухів водіїв транспортних засобів
(Національний університет ”Львівська політехніка”, 2022) Пишка, Роман Романович; Національний університет ”Львівська політехніка”
Бакалаврська кваліфікаційна робота виконана студентом групи КНСШ-21 Пишкою Романом Романовичем. Тема «Розробка середовища для розпізнавання рухів водіїв транспортних засобів». Робота направлена на здобуття ступеня магістра за спеціальністю 122 «Комп’ютерні науки». Мета дипломної полягає у розробленні середовища для розпізнавання рухів водіїв. Досягнення мети відбувається за рахунок розробки програмного рішення для реалізації середовища для розпізнавання рухів водіїв транспортних засобів, обґрунтованим вибором засобів розробки та реалізованою системою, при якій розпізнавання буде працювати з найменшою похибкою у розпізнаванні. Об’єктом дослідження є процеси розпізнавання зображення. Предметом досліджень є середовища для розпізнавання зображення. У результатом виконання дипломної роботи є створено середовище, яке розпізнає рухи водіїв транспортних засобів; розроблено її програмну реалізацію, яка дозволяє використання розробленої системи. Загальний обсяг роботи: 76 сторінок, 14 рисунки, 16 посилання, 1 додаток. The bachelor's qualification work was completed by a student of the group KNSSH-21 Pyshka Roman Romanovych. The topic " Development of environment for driver action recognition." The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The goal of the thesis is to develop an environment for recognizing the movements of drivers. The goal is achieved through the development of a software solution for the implementation of an environment for recognizing the movements of vehicle drivers, a reasonable choice of development tools and an implemented system in which the recognition will work with the smallest recognition error. The object of research is image recognition processes. The subject of research is image recognition environments. As a result of the diploma work, an environment was created that recognizes the movements of vehicle drivers; its software implementation was developed, which allows the use of the developed system. Total volume of work: 70 pages, 11 figures, 15 references, 1 appendix.
Система аналізу коментарів з метою виявлення мови ворожнечі, домагань та знущань
(Національний університет ”Львівська політехніка”, 2022) Філіпенко, Михайло-Іван Юрійович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота 58 ст., 39 рис., 3 табл., 31 посилання. Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Філіпенком Михайлом-Іваном Юрійовичом. Тема роботи: “Система аналізу коментарів з метою виявлення мови ворожнечі, домагань та знущань”. Дана робота спрямована на отримання ступеня магістра за спеціальністю 122 «Комп’ютерні науки». Метою розробки даної системи є розробка програмного продукту, який спочатку порівнює різноманітні алгоритми класифікації текстів методами обробки природної мови, а потім дозволяє користувачу використовувати отриману навчену нейромережу для самостійного використання. На вхід мережі подаватиметься текст, а на виході користувач отримуватиме ймовірність, що поданий текст містить елементи непристойного спілкування. Результатом виконання магістерської кваліфікаційної роботи є система обробки тексту за допомогою нейронних мереж, яка дозволяє визначити ймовірність, що поданий на вхід текст, містить у собі елементи знущання чи мови ворожнечі. Master's thesis of the 58 pages, 39 figures, 3 tables, 31 references. The master's qualification work was completed by the student of the CSAI-22 group, Mykhaylo-Ivan Yuriyovych Filipenko. The topic of the work: "Comment analysis system for the purpose of detecting hate speech, harassment, and bullying". This work is aimed at obtaining a master's degree in the specialty 122 "Computer science". The purpose of developing this system is to develop a software product that first compares various text classification algorithms using natural language processing methods, and then allows the user to use the resulting trained neural network for personal use. Text will be sent to the input of the network, and at the output, the user will receive a probability that the submitted text contains elements of obscene communication. The result of the master's qualification work is a text processing system using neural networks, which allows you to determine the probability that the input text contains elements of abuse or hate speech.
Визначення стану кота за голосовим сигналом
(Національний університет “Львівська політехніка”, 2022) Михайлів, Андрій Петрович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Михайлівом Андрієм Петровичем. Тема “ Визначення стану кота за голосовим сигналом ”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є побудова алгоритму машинного навчання для визначення стану кота за звуками, що він видає. Зрозуміти, що він хоче та бажає згідно цих звуків. Об’єктом дослідження є короткі звукові записи котів у різних ситуаціях. У результаті виконання дипломної роботи було розроблено алгоритм та інформаційну систему для розпізнавання стану кота за його голосовим сигналом, система приймає звук, як ввід і повертає розпізнане значення у емулятор мобільного телефону власника тварини. Дана система може використовуватися як комерційний продукт для покращення комунікації тварина-хазяїн, навчання поведінки із твариною, визначення її місцезнаходження та для збирання ветеринарних даних. Отримані дані дозволили створити специфікацію вимог, модель з’єднань у мікроконтролері STM, сервер із тонким клієнтом на основі .Net Entity Framework на мові C#, а також для порівняння застосувати технологію ML.NET для звукової класифікації. Також було створено прототип мобільного застосунку, що демонструє через принцип тонкого клієнта «термінал» дані про стан кота його власнику незалежно від відстані між ними. Overview of the master’s qualification work First of all, this work is designed with the purpose of detecting the state of a cat based on its voice. This is connected with the fact that cats are one of the most beloved pets all around the world. It is also proved, that they have their own phonetics, so this fact just increased the curiosity of scientists to investigate their behaviour. In general, they are spread worldwide from USA and Brazil to Korea and Japan. Ukraine is also one of ten countries with the largest population of domestic cats. Such popularity has led to a large number of laws related to keeping them. First and foremost, one of those laws declares the rules for using necessary accessories, at least a collar. Also, ensuring the health and safety of animals is very expensive: cleaning the territory from dangers, vaccination, or other visits to the veterinarian, etc. In addition to these, the animal can break many things in the room or suffer from other cats or incorrect human behaviour, which is more often caused by misunderstanding what the cat wants. For example, the pet can feel uncomfortable being close to another cat or a child, who does not understand properly how to behave with this animal. It was decided to solve these problems via the realization of a software system, based on the Internet of things in the form of a «clever» collar with a microphone and mobile application that will obtain the condition of the animal. Such a decision dominates other protective approaches and understanding of the animal. The collar will be able to determine the state of the cat even when the owner is not nearby. Moreover, potentially it will be also able to determine the location of the pet, and as well has the potential of extending the functionality, like determining biometrical data of animal: pressure, temperature, etc.
Система для анотування тексту українською мовою
(Національний університет ”Львівська політехніка”, 2022) Цап, Владислав Богданович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота 50 ст., 24 рис., 2 табл., 51 посилання. Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Цапом Владиславом Богдановичем. Тема «Система для анотування тексту українською мовою». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є розробка системи, яка буде аналізувати отриманий на вході текст українською мовою, виокремлювати основну думку і робити анотацію. Обʼєктом дослідження є узагальнення тексту українською мовою. Предметом дослідження є система узагальнення тексту. У результаті виконання даної дипломної роботи очікується робоча система узагальнення тексту, яка на вході приймає документ великого обсягу, а на виході віддає короткий підсумок вхідного документу. Дана система повинна працювати з текстами українською мовою, необхідна висока стабільність і швидкість роботи та анотація має відповідати основній думці тексту — ці параметри є найважливіші для нас. Master's degree work was performed by a student of the group CSAI-22 Tsap Vladyslav Bohdanovych. The topic is "System for annotating text in Ukrainian". The work is aimed at obtaining a master's degree in the specialty 122 "Computer science". The aim of the work is to develop a system that will analyze the text received at the input in Ukrainian, highlight the main idea and make an annotation. The object of research is text summarization in Ukrainian. The subject of research is the text summarization system. As a result of this work, a working text summarization system is expected, which accepts a significant document as input and gives a summary of the input document as output. This system should work with Ukrainian text, have high stability and speed of work required, and the annotation should correspond to the text's central idea — these parameters are the most important for us.
Керування тривимірними обʼєктами в рушії Unity за допомогою алгоритмів розпізнавання обличчя
(Національний університет “Львівська Політехніка”, 2022) Шмілик, Тарас Олегович; Національний університет “Львівська Політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Шміликом Тарасом Олеговичем. Тема “Керування тривимірними обʼєктами в рушії Unity за допомогою алгоритмів розпізнавання обличчя”. Робота направлена на здобуття ступеня “магістр” за спеціальністю 122 “Комп’ютерні науки”. Метою роботи є створення та розроблення програмного продукту, який дозволяє керувати сіткою вершин тривимірних персонажів у рушії Unity, використовуючи алгоритми розпізнавання обличчя та наслідування виразів. Об’єктом дослідження є керування вершинами та полігонами тривимірних обʼєктів. Предмет дослідження - засоби маніпуляції елементами тривимірної моделі та повʼязані моделі машинного навчання. В результаті виконання роботи було розроблено програмний продукт, який на вподобаній користувачем тривимірній моделі персонажа може повністю повторювати вирази його обличчя. Almost every day, more and more detailed three-dimensional character models appear on the Internet, made by various users for games or anime. Free access to models on the Internet allows their use not only for creating entertainment content, animations, videos, but also educational or scientific projects. The main purpose of this thesis is the creation of a mini-game that can be used for entertainment (improving movement oordination, expressing emotions or emotional relief). The mini-game will match the user's facial expressions (using built in webcam) with a three-dimensional model of the character using a pre-trained machine learning model. The app uses face recognition patterns and the projection of points (facial landmarks) using a pre-trained machine learning model. The data, coordinates and values of projected points are sent to the Unity game engine in real time using a TCP protocol. After receiving the data Unity ensures that the corresponding changes are displayed on the 3D model.
Моделі глибинного навчання для підвищення резолюцій зображень
(Національний університет ”Львівська політехніка”, 2022) Натялгий, Андрій Миколайович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Натялгим Андрієм Миколайовичем. Тема “Моделі глибинного навчання для підвищення резолюцій зображень”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є побудова нейронної мережі для покращення чіткості розмитих зображень тексту та розроблення системи для використання побудованої мережі на практиці. Об’єктом дослідження є покращення чіткості розмитих зображень тексту та розробка системи для використання розроблених алгоритмів на практиці. У результаті виконання дипломної роботи було запропоновано нову архітектуру глибокої нейронної мережі, яка володіючи у 25 разів меншою кількості параметрів досягає близький результатів до мережі CNN-L15 на метриках SSIM, PSNR та під час візуального порівняння оброблених зображень. Також, запропоновано модифікації архітектури та функції втрат мережі CNN-L15, які за однакової кількості епох, дозволяють досягти помітно кращих результатів метрик та візуальної різкості зображень. Дана система може використовуватися на практиці для оптимізації опрацювання сфотографованих документів із розмиттям, які потребують людських ресурсів для їх опрацювання. Master’s degree work of the student of the group CSAI-22 Natiahlyi Andrii Mykolaiovych. The topic is "Domain specific image super resolution models". The work is aimed at obtaining a master's degree in 122 "Computer Science". The purpose of the thesis is to build a neural network to improve the clarity of blurred text images and develop a system for using the built network in practice. The object of research is to improve the clarity of blurred text images and to develop a system for using the developed algorithms in practice. As a result of the thesis, a new architecture of a deep neural network was proposed, which with 25 times fewer parameters achieves close results to the CNN-L15 network on the metrics SSIM, PSNR and visual comparison of processed images. Also, modifications of the architecture and loss function of the CNN-L15 network are proposed, which, with the same number of epochs, allow to achieve significantly better results of metrics and visual sharpness of images. This system can be used in practice to optimize the processing of photographed documents with blur, which require human resources for their processing.
Знаходження шляху 7-суглобною роборукою у заданому середовищі
(Національний університет ”Львівська політехніка”, 2022) Шаварський, Максим Андрійович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Шаварським Максимом Андрійовичем. Тема “Знаходження шляху 7-суглобною роборукою у заданому середовищі”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Кожного року кількість роботів у світі збільшується. Потреба у роботах зростає неймовірно стрімко, адже вони є чудовими помічниками. Роботи здатні виконувати роботу, яку виконувати людині складно, небезпечно для її здоров’я та навіть життя або, навпаки, циклічну або роботу яка не вимагає застосування для неї людини. Проект складається з 2 частин: Hardware & Software. Hardware частина проєкту: робот складається металевого каркасу, який служить місцем зберігання усієї електроніки та місцем кріплення руки-маніпулятора під кутом 90 градусів, з 7 ступенями вільності та точністю позиціонування у 0.1мм. Software частина проєкту: візуалізація відбувається за допомогою Qt3D Framework. Qt3D це підпакет фреймворку Qt, який призначений для створення UI. Зовсім недавно, вони випустили пакет Qt3D. Він виявився дуже зручним і зрозумілим у користуванні, тому я його використав для візуалізації. . Для симуляції 3D світу було використано 3D physics engine Bullet. Bullet — це швидкий і простий у використанні модуль Python для моделювання робототехніки та машинного навчання. За допомогою Bullet ви можете завантажувати шарнірні тіла з URDF, SDF, MJCF та інших форматів файлів. PyBullet забезпечує симуляцію прямої динаміки, обчислення зворотної динаміки, пряму та зворотну кінематику, виявлення зіткнень і запити на перетин променів. Bullet містить новий Bullet C-API, який розроблений таким чином, щоб бути незалежним від базового механізму фізики та механізму візуалізації, тож ми можемо легко перейти на новіші версії Bullet або використовувати інший механізм фізики чи механізму візуалізації. За замовчуванням Bullet використовує API Bullet 2.x на ЦП. Ми також розповімо про Bullet 3.x, що працює на GPU з використанням OpenCL. Існує також C++ API, схожий на PyBullet. Навчання буде відбуватись за допомогою Tensorflow, Keras (Python). Для комунікації між нашою симуляцією та програмою навчання моделі буде відбуватись за допомогою ZeroMQ [15]. Низькорівневий пакет для передавання інформації між програмами. Завдяки хорошій документації, легкості написання та розуміння коду був використаний в даній роботі. ZeroMQ [15] дозволяє використовувати три основні концепції для передавання даних: publisher/subscriber, service/client, action server/action client. Publisher/Subscriber концепція. застосовується, коли потрібно часто оновлювати інформацію про стан одного з об'єктів системи. Наприклад, стан роборуки у кожен момент часу. Service/Client концепція. Застосовується, коли існує сервіс, який вміє обробляти та повернути дані при запиті від клієнта.Наприклад отримати фідбек симуляції для опрацювання. Action server/Action client концепція. Схожа на концепцію Service/Client, але має одне покращення. Застосовується, коли час обробки запиту клієнта не є миттєвим. Дає можливість відслідковувати прогрес виконання запиту та реагувати на нього. Результатом виконання магістерської роботи буде автономний пакет, який буде містити графічний інтерфейс користувача для відлагодження та тестування програмного забезпечення, інтерфейс для запуску тренування моделі із вибраними параметрами та засоби візуалізації для тренування та тестування моделі. Даний пакет призначений для будь-яких роботів з різними ступенями вільності роборук, які повинні оперувати у динамічному середовищі і виконувати специфічні задачі. Master’s degree work of the student of the group CSAI-22 Shavarskyi Maksym Andriiyovych. The topic is "Pathfinding by a 7-joint robot in a given environment". The work is aimed at obtaining a master's degree in 122 "Computer Science". Nowadays, robotics can be found everywhere. Robots are replacing people little by little. In industry, robots already occupy their functional niche. Usually, they perform difficult, dangerous work for humans. Also, the accuracy and quality of work is ten times greater than that of humans. Thanks to this, the efficiency of the production of robots increases, and costs decrease. Robots can be used in many areas. For example, the job of a cleaner does not require high skills for employment and further work. The work performed by the cleaner is usually cyclical. A person working as a cleaner is constantly in contact with dirt, which exposes him to a direct danger to his health. As a result, a person is not motivated, may often miss work due to illness. All these factors indicate that this profession can be robotized. For this, the robot needs an algorithm that will help it interact with the environment. It is the path finding that helps him quickly, avoiding obstacles on the way, reach his goal and, for example, pick up garbage from the floor and throw it in the trash can, open the door of the toilet cubicle, flush the water in the urinal, etc. This algorithm is the basis of any robot that uses multi-jointed robotic arms. The project consists of 2 parts: Hardware & Software. Hardware part of the project: the robot consists of a metal frame, which serves as a place for storing all electronics and a place for attaching the manipulator arm at an angle of 90 degrees, with 7 degrees of freedom and a positioning accuracy of 0.1 mm. Software part of the project: visualization takes place using the Qt3D Framework. Qt3D is a subpackage of the Qt framework, which is designed for creating UI. Most recently, they released the Qt3D package. It turned out to be very convenient and easy to use, so I used it for visualization. . 3D physics engine Bullet was used to simulate the 3D world. Bullet is a fast and easy-to-use Python module for robotics simulation and machine learning focused on sim-to-real transfer. With Bullet you can load articulated bodies from URDF, SDF, MJCF and other file formats. PyBullet provides forward dynamics simulation, inverse dynamics calculations, forward and inverse kinematics, collision detection, and ray intersection queries. Bullet includes a new Bullet C-API that is designed to be independent of the underlying physics engine and rendering engine, so we can easily upgrade to newer versions of Bullet or use a different physics engine or rendering engine. By default, Bullet uses the Bullet 2.x API on the CPU. We'll also talk about Bullet 3.x running on GPUs using OpenCL. There is also a C++ API similar to PyBullet. Training will take place using Tensorflow, Keras (Python). For communication between our simulation and the model training program, ZeroMQ [15] will be used. A low-level package for transferring information between programs. Due to good documentation, ease of writing and understanding the code was used in this work. ZeroMQ [15] allows the use of three main concepts for data transfer: publisher/subscriber, service/client, action server/action client. Publisher/Subscriber concept. It is used when you need to frequently update information about the state of one of the system objects. For example, the state of the robot at each moment of time. Service/Client concept. It is used when there is a service that can process and return data upon request from the client. For example, to receive simulation feedback for processing.
Підвищення ефективності нейронних мереж за допомогою синтетичних даних
(Національний університет ”Львівська політехніка”, 2022) Бєлан, Владислав Юрійович; Національний університет ”Львівська політехніка”
Здобувачем магістерського кваліфікаційного ступеню є Бєлан Владислав Юрійович, студент групи КНСШ-21. Темою магістерської кваліфікаційної роботи є «Підвищення ефективності нейронних мереж за допомогою синтетичних даних». Робота написана на 73 сторінки, включає 8 таблиць, 35 рисунків, 1 додаток та 39 джерел. Метою кваліфікаційної роботи є підвищити точність та якість технології розпізнавання об’єктів, що використовується в програмно-апаратному продукті, що був розроблений в межах бакалаврської кваліфікаційної роботи [1]; знайти способи й приклади покращення показників нейронних мереж; застосувати зміни, що підвищили показники метрик оцінювання роботи нейронних мереж в програмно-апаратному продукті. Об’єктом дослідження магістерської кваліфікаційної роботи є нейромережеві технології пошуку об’єктів уваги на зображенні. Предметом дослідження виступає створення продукту для генерації синтетичного набору даних для задачі класифікації об'єктів на зображенні. The applicant for the master's degree is Vladyslav Yuriiovych Bielan, a student of the group KNSH-21. The topic of the master's qualification work is "Improving the perfomance of neural networks using synthetic data". The work is written on 73 pages, includes 8 tables, 35 figures, 1 appendix and 39 sources. The purpose of the qualification work is to improve the accuracy and quality of the object recognition technology used in the software and hardware product that was developed as part of the bachelor's qualification work [1]; to find ways of improving the performance of neural networks; to apply changes that have improved the metrics for evaluating the performance of neural networks in the software and hardware product. The object of study of the master's qualification work is neural network technologies for finding objects of attention in the image. While the subject of research is the creation of a product for generating a synthetic data set for the task of classifying objects in the image.
Оцінка ефективності використання нейронних мереж для даних експресії генів з експерименту РНК-секвенування поодиноких клітин
(Національний університет ”Львівська політехніка”, 2022) Манько, Анна Іванівна; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота виконана студенткою групи КНСШ-21 Манько Анною Іванівною. Тема “Оцінка ефективності використання нейронних мереж для даних експресії генів з експерименту РНК-секвенування поодиноких клітин”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Віднедавна технології глибинного навчання (ГН) все більше привертають увагу бізнесу та наукової спільноти. Доведено, що вони можуть шукати реальні рішення проблем значно ефективніше та економніше, ніж багато інших підходів. Технологічний прогрес у біоінформатиці призвів до вибуху даних молекулярного та клітинного профілювання з великою кількості зразків. Це стрімке збільшення розміру біологічних даних і швидкості їх отримання ставить під сумнів традиційні підходи геномного аналізу. Сучасні методи машинного навчання, такі як глибинне навчання, обіцяють швидко створювати точні результати, використовуючи приховані дані. У роботі надано довідкову інформацію про те, як взаємодіють геноміка та штучний інтелект, при яких умовах можливо успішно поєднати дані технології. Існує перелік обмежень при аналізі геномних даних, один з яких - маловідомість щодо результатів. Саме тому потрібні вдосконалені методи оптимізації, щоб дослідити їх колосальний простір даних. У праці представлено аналіз існуючих методів штучного інтелекту для оцінки ефективності використання нейронних мереж для класифікації даних генної експресії з експерименту РНК-секвенування поодиноких клітин. Вони базуються на підходах аналізу послідовних даних - рекурентних нейронних мережах та аналогах . За допомогою даних підходів можливо значно скоротити ресурси та час пошуку взаємозвʼязків у геномі; пришвидшити виявлення мертвих клітин, створення лікарств. Тому, розглянуто різні методики, які формують основу для ефективної реалізації алгоритму. The number of studies using single-cell RNA sequencing (scRNA-seq) analysis to explore gene expression patterns is constantly growing. Although the current approach has many advantages, it is also known to be a very computationally demanding task. New types of methods are required to overcome those technical challenges. Artificial Intelligence (AI) has recently attracted tremendous attention both in academia and industry. With the availability of different types of Deep Learning (DL) algorithms, it has become common for biomedical researchers to apply them to speed up the process of gaining insights from the data, including scRNA-seq. However, the capability of using and improving the existing DL methods, and creating new ones is determined by the quantitative comparison of the already developed techniques. Unfortunately, there is no unique standard among state-of-the-art methods (datasets, metrics, frameworks) used for neural network training, often even with no initial data and code availability. The scRNA-seq DL methods benchmarking persists being the most uncovered and challenging part of the future research.
Поєднання методів OCR у задачі розпізнавання рукописного тексту
(Національний університет ”Львівська політехніка”, 2022) Семкович, Володимир Ігорович; Національний університет ”Львівська політехніка”
До магістерської роботи Семковича Володимира Ігоровича «Поєднання методів OCR у задачі розпізнавання рукописного тексту» Актуальність теми. Оптичне розпізнавання образів є одним з завдань, які людина вирішує неперервно. При цьому з органів зору надходить інформація, що обробляється мозком, який забезпечує прийняття рішення про об’єкт розпізнавання. Однією з важливих областей застосування розпізнавання, чи класифікації, є розпізнавання друкованого або рукописного текстів. Навіть із впровадженням нових технологій рукописний текст залишається способом спілкування та збору інформації у повсякденному житті. Крім того, великі історичні колекції недоступні у зручному форматі. В даний час підходи і методи перетворення зображень в цифровий текст швидко розвиваються, хоча ще є можливості для вдосконалення і вирішення багатьох проблем. Рукописні цифри та інтерактивне письмо якісно розпізнаються. Однак сучасний рівень техніки все ще обмежений розпізнаванням зображень тексту різними почерками та мовами.Однак поточні технології все ще знаходиться на обмеженому рівні, щоб розпізнавати текстові зображення різних стилів та мов рукописного вводу. Проблема ефективного розпізнавання тексту посідає важливе місце в сферах інформатизації різних процесів людської діяльності. Текстове представлення інформації, порівняно із графічним, дозволяє істотно скоротити витрати на зберігання та передачу інформації. Тому найбільший інтерес з практичної точки зору представляє саме перетворення інформації з паперових носіїв в текстовий електронний документ. Тому перенесення написаних в ручну чи друкованих текстів є досить актуальним. Збереження важливих документів в електронному форматі, вважається одним з головних способів захисту пам’яті та успадкування того, що нам залишили наші предки. Велика кількість рукописних матеріалів, до цих пір залишається лиш в своєму первісному вигляді, що може становити небезпеку для їх подальшого збереження. Паперові листки не живуть вічно, вони вигорають, знищуються, розпадаються від найменших дотиків, а деякі зберігаються в таких умовах, що людина ніколи більше і не зможе доторкнутись до них. Лиш можна здогадуватись, яка кількість рукописних матеріалів була знищена, тому не варто гаяти час. Саме завдяки цьому завдання перенесення такої інформації в електронний простір дотепер залишається актуальним. І це лиш один приклад, варто також згадати, яка шалена кількість документів, зроблених в паперовому вигляді використовується на робочих місцях. Страшно уявити, які масивні архіви зберігаються в компаніях з багатолітньою історією. To master’s degree work Semkovych Volodymyr Igorovych «Combining OCR methods in the problem of handwritten text recognition» Actuality of theme: Optical pattern recognition is one of the tasks that a person solves continuously. At the same time, information is received from the organs of vision, which is processed by the brain, which provides a decision about the object of recognition. One of the important areas of application of recognition, or classification, is the recognition of printed or handwritten texts. Handwriting remains a means of communication and information gathering in everyday life even with the introduction of new technologies. Moreover, a huge number of historical collections are not available in a convenient format. Currently, approaches and methods of converting images into digital text are developing at a rapid pace, even though there are still opportunities for improvement and solving many problems. In recent years, print recognition systems have become quite effective. Handwritten numbers and interactive writing are recognized qualitatively. However, current technology is still at a limited level to recognize text images of different handwriting styles and languages. The problem of effective text recognition occupies an important place in the fields of informatization of various processes of human activity. The text presentation of information, compared to the graphic one, allows to significantly reduce the costs of storing and transmitting information. Therefore, the greatest interest from a practical point of view is precisely the transformation of information from paper media into a text electronic document. An important element in this process is a neural network and artificial intelligence in general, which in turn is a fairly modern and relevant technology nowadays.
Розроблення автоматизованої системи розпізнавання працівника на основі його біометричних даних
(Національний університет ”Львівська політехніка”, 2022) Карпінський, Роман Мирославович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Карпінським Романом Мирославовичем. Тема “Розроблення автоматизованої системи розпізнавання працівника на основі його біометричних даних ”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Магістерська кваліфікаційна робота присвячена розробленню програми по розпізнавання лиця працівника. У першому розділі було розглянуто як різним фірмам необхідно покращувати автоматизацію своєї роботи, в нашому випадку це стеження за роботою працівників, покращення якості роботи працівників і зменшення затраченого часу на цю роботу. Також ми розглянули як саме працює цей алгоритм розпізнавання лиця, розглянули інші методи розпізнавання лиця і оцінили їх ефективність роботи. У другому розділі описано, які програмні продукти ми вибрали для реалізації дипломного проекту, які мови програмування були застосовані, такі як: Python, HTML ,CSS, JS. (мови програмування, мова розміток сторінки). База даних яка підходила краще під цей проект, було вибрано: Firebase (сервіс для зберігання даних користувача ), а також Visual Studio code (середовище розробки). Реалізація програми через веб сайт, розглянули нейроні мережі і яким саме методом вона буде створюватись в проекті. У третьому розділі описано графічну реалізацію веб сайту програми, розроблення нейронної мережі, створення проекту бази даних і заповнення її необхідною інформацією. На закінчені тест самої програми, як вона працює в різних розширеннях. Master’s degree work of the student of the group CSAI-22 Karpinski Roman Vyronovych. The topic is " Development of an automated employee recognition system based on his biometric data". The work is aimed at obtaining a master's degree in 122 "Computer Science". The thesis is dedicated to the development of a program for recognizing the face of the employee for the website. In the first section it was considered how different firms need to improve the automation of their work, in our case it is monitoring the work of employees, improving the quality of employees and reducing the time spent on this work. We also looked at how exactly this face recognition algorithm works, looked at other face recognition methods, and evaluated their performance. The second section describes which software products we chose to implement the thesis project, which programming languages were used, such as: Python, HTML, CSS, JS. (programming languages, page markup language). The database that best suited this project was selected: Firebase (a service for storing user data), as well as Visual Studio code (development environment). Implementation of the program through a website, considered the neural networks and what method it will be created in the project. The third section describes the graphical implementation of the program's website, neural network development, creating a database project and filling it with the necessary information. At the end of the test of the program itself, how it works in different extensions.
Дослідження транскрипції аудіо-даних в MIDI-формат з використанням нейронної мережі для розширення цільової аудиторії
(Національний університет «Львівська політехніка», 2022) Ярошевський, Дмитро Миколайович; Національний університет «Львівська політехніка»
Магістерська кваліфікаційна робота виконана студентом групи КНМ-21 Ярошевським Дмитром Миколайовичем. Тема «Дослідження транскрипції аудіо-даних в MIDI-формат з використанням нейронної мережі для розширення цільової аудиторії». Робота направлена на здобуття ступеня магістра за спеціальністю 122 «Комп’ютерні науки». Метою магістерської кваліфікаційної роботи є розробка нейронної мережі для перетворення записаного звуку фортепіано в MIDI запис. Предметом дослідження виступають методи та засоби глибинного навчання для конвертації аудіозапису в MIDI-формат. Об’єктом дослідження є процес перетворення музичного запису в MIDI-формат. В результаті виконання дипломної роботи було розроблено нейронну модель нейронної мережі, яка перетворює звуковий запис в MIDI. Nowadays, more and more musical works appear on the Internet and, finally, in life in general. We notice how the mood and inspiration come when we listen to songs that are selected according to our preferences or situation. Many people who listen to many bright and wonderful works are so inspired that they decide to create their own work that will reflect their thoughts, feelings, events, depict the world around them. They sing a certain melody and then, if they see in it what is worth showing to others, they try to play on at least one instrument to remember or start the process of processing and improvement. Usually, the main melody of a work is recorded on keyboard instruments, such as a piano or grand piano. The piano allows you to transmit the best reproduced sound relative to the sound frequencies. This is due to the design features of the tool. The principle of playing the melody of the note is that when you press the key, the hammer strikes the string, which is tuned to play exactly the note and with the frequency you need, which leads to a melody with a fairly clear sound. Of course, the force of pressure also plays a role, because it conveys the strength of sound and appropriate intonation in the work. For example, it will take more time for a beginner to play such precise sounds on a violin or guitar, and it will not always be possible to convey such completeness of the given melody. As we know, any piano usually has 88 notes, which are located on 7 octaves. As you know, there are MIDI keyboards that have fewer keys just to record the main melody of the song. They are called synthesizers and are used by composers who have been working with sound for a long time. This kind of instrument is rare, so novice musicians or children studying in music schools are unable to obtain such an instrument, which means that there is a request to convert an audio recording recorded on a dictaphone into a MIDI recording for editing. MIDI recording contains information about the appearance of notes in relation to time, its duration, sound attack and many other data that help to reproduce sound recording on other devices, similar to the natural sound of the same composition on simple instruments.
Стекінгове об'єднання однорідних методів машинного навчання із використанням випадкового шуму: задача класифікації
(Національний університет ”Львівська політехніка”, 2022) Труш, Богдан Володимирович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом КНСШ-22 Трушем Богданом Володимировичем. Тема: “Стекінгове об'єднання однорідних методів машинного навчання із використанням випадкового шуму: задача класифікації”. Роботу виконано для здобуття ступеня магістр за спеціальністю “Системи штучного інтелекту”. Метою дипломної роботи є удосконалення композиції стекінгового об’єднання однорідних методів машинного навчання шляхом декореляції набору даних на основі випадкового шуму для підвищення точності розв’язання задачі класифікації. Поставлена мета досягається шляхом формування унікальних наборів даних для кожного члену стекінгу шляхом додавання випадкових симетричних відхилень до даних вибірки, при якому очікується покращення результатів роботи стекінгових ансамблів методів машинного навчання при розв’язуванні задачі класифікації. Об’єктом дослідження є процеси композиції стекінгових методів машинного навчання у випадку розв’язання задачі класифікації. Предметом досліджень є методи декореляції наборів даних для формування стекінгового об’єднання з однорідних методів машинного навчання. Результатом магістерської кваліфікаційної роботи є реалізація стекінгового ансамблю для підвищення точності розв’язання задачі класифікації на основі композиції однорідних методів машинного навчання та декореляції набору даних для кожного з них із використанням випадкового шуму. Загальний обсяг роботи: 69c. In today's world, it makes sense to use machine learning tools to help make decisions in various areas. Machine learning allows you to predict the outcome of an event based on a selection of data from past outcomes. Based on this prediction, the user can make a decision in his activity. These opportunities can be especially useful in the field of medicine. In medicine, as usual, machine learning methods are very often used, which are closely related to the work of the natma image and the predicted determination of the patient's disease based on the analysis of X-ray images. In addition, you can often find machine learning models that work with given blood characteristics. This can allow you to make a certain blood test based on the given data about these cells and substances that are contained in the blood. It can also help classify blood and predict whether to potentially treat a patient. Based on blood input, the neural network is trained to recognize diseases such as diabetes or leukemia. This can help identify the threat to the patient in the early stages and start treatment as soon as possible, which in its case can significantly increase the patient's chances of recovery. One of the problems that often arise in medical practice is classification. Classification is a machine learning task, the goal of which is to teach a machine to distinguish objects and divide them according to predefined classes. Usually, the input parameters for a classification problem are a certain number of objects with a defined class. Together they form a sample. Other objects are also given, where I did not understand their belonging to one or another class in advance. The task of classification is to analyze objects whose class is unknown and to create an algorithm in order to package objects into classes that fit them according to their characteristics. The task of classification is to determine to which class the object selected for classification belongs. The very concept of object classification is understood as a certain class identifier that is assigned to a given object as a result of the machine learning algorithm.
Мобільний додаток для гуманітарної допомоги
(Національний університет ”Львівська політехніка”, 2022) Романів, Ярина Євгенівна; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота виконана студенткою групи КНСШ-21 Романів Яриною Євгенівною. Тема роботи «Мобільний додаток для гуманітарної допомоги». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою магістерської кваліфікаційної роботи є імплементація мобільного додатку на платформах Android та iOS для здійснення гуманітарної допомоги людям, які постраждали внаслідок війни в Україні. Такий продукт упростить процес створення гуманітарних внесків, як фінансових, так і матеріальних. Таким чином усі, хто потребують допомоги, зможуть її отримати на багато швидше, а сам процес стане більш прозорим та зрозумілим. Об’єктом дослідження є сфера гуманітарної допомоги та благодійності, можливість здійснення різного виду пожертв, а також рекомендаційні системи для кращого користувацького досвіду. В результаті виконання магістерської кваліфікаційної роботи було розроблено мобільний кросплатформений додаток для кінцевих користувачів, який дозволяє створювати та переглядати запити про допомогу (відфільтровані за певними рекомендаційними параметрами), а також здійснювати пожертви різних типів. Окрім цього було створено веб сторінку для адміністрування додатку. Ключові слова: мобільний додаток, гуманітарна допомога, війна, внесок, рекомендаційна система, веб-сторінка. The master's qualification work was completed by Romaniv Yaryna Yevhenivna, a student of the CSAI-21 group. The topic of the work is "Mobile application for humanitarian aid". The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The goal of the master's thesis is the implementation of a mobile application on the Android and iOS platforms to provide humanitarian aid to people affected by the war in Ukraine. Such a product will simplify the process of creating humanitarian contributions, both financial and material. Thus, everyone who needs help will be able to get it much faster, and the process itself will become more transparent and understandable. The object of research is the field of humanitarian aid and charity, the possibility of making various types of donations, as well as recommendation systems for a better user experience. As a result of the master's qualification work, a mobile cross-platform application was developed for end users, which allows users to create and view requests for help (filtered by certain recommendation parameters), as well as make donations of various types. In addition, a web page for mobile application administration was created.
Прогнозування людських рішень у психологічних задачах з використанням нейромереж
(Національний університет «Львівська політехніка», 2022) Мар’яша, Володимир Вячеславович; Національний університет «Львівська політехніка»
Магістерська кваліфікаційна робота виконана студентом групи КНМ-21 Мар’яшем Володимиром Вячеславовичем. Тема «Прогнозування людських рішень у психологічних завданнях з використанням нейронних мереж». Робота направлена на здобуття ступеня магістр за освітньо-професійною програмою другого рівня вищої освіти «Системи штучного інтелекту» за спеціальністю «Комп’ютерні науки». Метою магістерської кваліфікаційної роботи є розроблення моделі прогнозування прийняття людських рішень у психологічних завданнях. Об’єктом дослідження є процеси процеси прогнозування людських рішень за допомогою нейронних мереж. Предмет дослідження – методи та засоби прогнозування прийняття людських рішень у психологічних завданнях за допомогою нейронних мереж з довготривалою пам’яттю. В результаті виконання дипломної роботи було розроблено програмний продукт, який здійснює прогноз рішення щодо вибору людини в психологічних завданнях. The master's thesis examines human decisions in psychological problems, using data on the psychological problem – the repeated dilemma of the prisoner, which contains 168,386 individual decisions, and processed them into 8,257 trajectories of behavior in 9 actions for both players. The problem of predicting human decisions is important for many applications, such as economics, marketing and artificial intelligence. But the area where modeling human behavior is particularly crucial is psychology, which aims to describe, explain, and predict that behavior. In this area, creating a model that effectively mimics human decision-making is particularly important. However, despite the many behavioral tasks and analytical methods developed to model human decision-making in real situations, there was no predictive model that could well predict the trajectories of human decision-making in these psychological tasks. This predictive modeling task will use long-term memory networks (LSTMs), a popular recurrent neural network architecture, and effectively predict the time series of human actions at each decision step in both cases. Unlike traditional time series, human decision-making sequences usually involve many cognitive processes such as beliefs, desires, intentions and theories of the mind, the thoughts of others. This makes the study of the basic psychological mechanisms of human decision-making difficult to diagnose.
Модифікація двокрокового методу інтелектуального аналізу даних: задача регресії
(Національний університет "Львівська політехніка", 2022) Підкостельний, Роман Романович; Національний університет "Львівська політехніка"
Магістерська кваліфікаційна робота виконана студентом групи КНСШ 21 Підкостельним Романом Романовичом. Тема «Модифікація двокрокового методу інтелектуального аналізу даних: задача регресії». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Мета роботи: полягає в реалізації удосконаленого двокрокового методу апроксимації табличних наборів даних за рахунок зменшення розмірності простору вхідних даних, які використовуються для розв’язання задачі регресії, для зменшення тривалості навчання регресора при збереженні високої точності його роботи. Об’єктом дослідження є процеси апроксимації табличних наборів даних методами машинного навчання. У результаті виконання дипломної роботи реалізовано метод, який дозволяє зменшити розмір вхідних даних, тим самим зменшивши необхідний час тренування регресора, при збереженні точності його роботи. Master’s degree work of the student of the group CSAI-21 Pіdkostelnyi Roman Romanovych. The topic is "Modification of two-step method of intelligent data analysis: regression problem". The work is aimed at obtaining a master's degree in 122 "Computer Science". The goal: consists in the implementation of an improved two-step method of approximating tabular data sets by reducing the dimensionality of the space of input data used to solve the regression problem, to reduce the duration of its training of the regressor while maintaining the high accuracy of its work. The object of the research are processes of approximation of tabular data sets) by machine learning methods. As a result of the thesis, a method was implemented that allows reducing the size of the input data, thereby reducing the required training time of the regressor, while maintaining the accuracy of its work.
Застосування штучного інтелекту для розпізнавання банківських шахрайських операцій
(Національний університет ”Львівська політехніка”, 2022) Митник, Богдан Богданович; Національний університет ”Львівська політехніка”
Магістерська кваліфікаційна робота 58 ст., 18 рис., 2 табл., 4 формули, 28 використаних джерел. Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Митником Богданом Богдановичем. Тема Застосування штучного інтелекту для розпізнавання банківських шахрайських операцій». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою є імплементація моделей машинного навчання розпізнавання шахрайських банківських операцій, а також технік препроцесингу банківських даних, для їх подальшого порівняння та відбору найкращих результатів. Об’єктом дослідження є шахрайські операції в банках. В результаті виконання дипломної роботи розроблено програму для використання різних алгоритмів машинного навчання для розпізнавання шахрайських операцій у банках, а також їх подальшого порівняння. Master's thesis, 60 pages, 18 figures, 2 tables, 4 formulas, 28 used sources. The master's qualification work was completed by the student of the KNSSh-22 group, Mytnyk Bohdan Bohdanovych. Topic "Application of artificial intelligence for fraudulent banking operations recognition". The work is aimed at obtaining a master's degree in the specialty 122 "Computer Sciences". The method is the implementation of machine learning models for recognizing fraudulent banking operations, as well as the technique of preprocessing bank data, for their further comparison and selection of the best results. The object of the study is fraudulent transactions in banks. As a result of the thesis, a program was developed for the use of various machine learning algorithms for recognizing fraudulent transactions in banks, as well as their further comparison.