Інформаційні системи та мережі
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/2105
Browse
4 results
Search Results
Item Comprehensive analysis of few-shot image classification method using triplet loss(Видавництво Львівської політехніки, 2022-03-01) Баранов, Микола; Щербина, Юрій; Baranov, Mykola; Shcherbyna, Yurii; Львівський національний університет ім. Івана Франка; Ivan Franko National University of LvivЗадача класифікації зображень є дуже важливою сучасною проблемою в області комп’ютерного зору. Перші підходи до розв’язання цієї задачі полягали у використанні класичних алгоритмів. Незважаючи на певний прогрес, отриманий класичними підходами, більшість складніших задач класифікації зображень залишались нерозв’язаними до початку використання алгоритмів машинного навчання. Перші спроби застосування машинного навчання до задачі розпізнавання зображень допомогли класифікувати набори ознак, які опрацювати прямими алгоритмами не вдавалось. Проте видобування множини ознак залишалося за прямими алгоритмами тривалий час. Нещодавний прогрес у сфері глибокого навчання відкрив можливість побудови систем автоматичного видобування множини ознак. Це зумовило значний прогрес у області комп’ютерного бачення і не тільки. Обробка великомасштабних наборів даних призвела до прориву у задачах розпізнавання зображень. Проте з’явилося нове обмеження– залежність від кількості наявних проанотованих даних. Методи глибинного навчання для задачі класифікації зображення зазвичай потребують великої кількості проанотованих зображень. І більше, сучасні моделі схильні до неочікуваної поведінки на наборах даних з іншого домена (нових класів у випадку розпізнавання зображень). Методи навчання на малому наборі даних дозволяють під час тренування глибоких нейронних мереж використовувати значно менше даних, зберігаючи таку саму точність розпізнавання. Незважаючи на це, залишається компроміс між кількістю наявних даних та точністю моделі. В цій роботі ми побудували сіамську нейронну мережу на основі функції втрат трійки і дослідили, як наявна кількість даних впливає на точність розпізнавання сіамської нейронної мережі. Ми порівняли моделі, отримані навчанням на основі метрик, та базову модель, натреновану на великомасштабних наборах даних.Item Моделювання процесів розвитку територіальних громад(Видавництво Львівської політехніки, 2022-03-01) Бігун, Роман; Литвин, Василь; Bihun, Roman; Lytvyn, Vasyl; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityМісцевий розвиток певної території відбувається під впливом багатьох чинників. Швидкий темп поширення процесу глобалізації світової економіки є одним із тих чинників, які істотно впливають на формування нових тенденцій та закономірностей місцевого розвитку. Прояв цього критерію можна помітити, простежуючи посилення ролі громад в економічному розвитку певних територій та країн. Українська держава вже входить у перелік країн, суспільства яких зрозуміли та прийняли важливість зацікавленості та участі громад у місцевому розвитку. Для громад процес децентралізації та зміни принципів самоврядування визначатиме новий рівень відповідальності за їх розвиток. Розгляд такої концепції розвитку місцевих громад зумовить їх перетворення із об’єкта управління на суб’єкт управління, з’явиться також можливість самостійно забезпечувати власну спроможність до розвитку. Загалом територіальні громади беруть на себе відповідальність за планування свого розвитку та економічний добробут у майбутньому. Зважаючи на такі перспективи, місцеві органи територіальної влади повинні добре розуміти особливості сучасного розвитку та володіти необхідними знаннями, інформацією, навичками та досвідом для подальшого забезпечення конкурентоспроможності своїх громад. Мета цього дослідження – розробити систему вибору найкращого напряму розвитку територіальних громад на основі ресурсів, що належать цим громадам. У цій науковій роботі запропоновано використовувати метод аналізу ієархій для визначення напряму розвитку територіальних громад, оскільки цей метод дає змогу кількісно визначити порівняльну важливість критеріїв оцінювання напрямів розвитку. Метод аналізу ієрархій передбачає здійснення попарних порівнянь об’єктів із використанням суб’єктивних суджень, які оцінюють кількісно за визначеною шкалою. Під час порівняння для правильного використання методу аналізу ієрархій важливі неупереджені погляди експертів.Item Аналіз стану територіальних громад для моделювання їхнього соціально-економічного розвитку(Видавництво Львівської політехніки, 2021-03-01) Бігун, Роман; Литвин, Василь; Олексів, Назар; Bihun, Roman; Lytvyn, Vasyl; Oleksiv, Nazar; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто проблеми розвитку об’єднаних територіальних громад, зокрема безробіття та економічні проблеми. Громадам, здебільшого, не вистачає коштів для вирішення економічних та інших проблем. Тому потрібно створювати самодостатні громади, в яких достатньо фінансових інструментів для власного розвитку. У роботі розглянуто математичну модель системи підтримки прийняття рішень щодо розвитку територіальних громад (агропромислового сектору). Важливим кроком у побудові математичної моделі агропромислового комплексу є врахування специфіки діяльності сільського господарства. У статті розглянуто математичну модель лінійної багатофакторної регресії, яка описує залежність між величиною витрачених ресурсів та обсягом продукції, що випускається. Оскільки процеси економіки та виробничі процеси сільського господарства складні, то й описати їх складно, використовуючи тільки лінійні детерміновані моделі. Поширений випадок, коли змінні задач набувають деяких дискретних значень або значень із певного проміжку. Така ситуація ускладнює пошук.Item Методи ройового інтелекту вирішення прикладних задач в геоінформаційних системах(Видавництво Львівської політехніки, 2020-02-24) Литвин, Василь; Угрин, Дмитро; Lytvyn, Vasyl; Uhryn, Dmytro; Національний університет “Львівська політехніка”; Чернівецький філософсько-правовий ліцей № 2; Lviv Polytechnic National University; Chernivtsi Philosophical and Legal Lyceum № 2Запропоновано для автоматизації процедур формування множини альтернативних рішень та вибору раціонального рішення у галузевих ГІС використовувати інтелектуальних агентів планування діяльності з використанням онтологічного підходу. Запропоновано використовувати розроблену базу знань у галузі методів ройового інтелекту на основі адаптивної онтології та бази даних наукових публікацій у цій галузі. Всі прикладні задачі в галузевих геоінформаційних системах поділено на класи задач: стаціонарні, квазістаціонарні, динамічні. Запропоновано визначати вільні параметри для окремих ройових алгоритмів на основі машинного навчання з підкріпленням, а саме методом Q-Learning. На основі цього методу побудовано ланцюги Маркова для ройових алгоритмів. Підкріплення полягало в аналізі отриманих результатів певним ройовим алгоритмом експертним шляхом. На прикладі адміністративно-територіального управління було знайдено оптимальні значення параметрів окремих ройових алгоритмів.