Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
3 results
Search Results
Item Preventing potential robbery crimes using deep learning algorithm of data processing(Видавництво Львівської політехніки, 2023-02-28) Shutka, Denys; Prodan, Roman; Tataryn, Vasyl; Lviv Polytechnic National UniversityRecently, deep learning technologies, namely Neural Networks [1], are attracting more and more attention from businesses and the scientific community, as they help optimize processes and find real solutions to problems much more efficiently and economically than many other approaches. In particular, Neural Networks are well suited for situations when you need to detect objects or look for similar patterns in videos and images, making them relevant in the field of information and measurement technologies in mechatronics and robotics. With the increasing number of robbed apartments and houses every year, addressing this issue has become one of the highest priorities in today’s society. By leveraging deep learning techniques, such as Neural Networks, in mechatronics and robotics, innovative solutions can be developed to enhance security systems, enabling more effective detection and prevention of apartment crimes. To evaluate the performance of our trained network, we conducted extensive experiments on a separate test dataset that was distinct from the training data. We meticulously labeled this dataset to obtain accurate ground truth annotations for comparison. By measuring precision scores, we determined the effectiveness of our model in detecting potential crimes. Our experiments yielded an accuracy rate of 97 % in the detection of potential crimes. This achievement demonstrates the capability of YOLO and the effectiveness of our trained network in accurately identifying criminal activities. The high accuracy rate indicates that our system can effectively assist in property protection efforts, providing a valuable tool for security personnel and law enforcement agencies.Item Дослідження методу автоматизованого розгортання машинного навчання на основі технологій CI/CD(Видавництво Львівської політехніки, 2022-03-01) Федорченко, В.; Красько, О.; Демидов, І.; Колодій, Р.; Fedorchenko, V.; Krasko, O.; Demydov, I.; Kolodiy, R.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityУ цій статті запропоновано метод автоматизованого розгортання алгоритмів машинного навчання на основі програмного продукту Splunk Enterprise та додатку для нього Splunk Machine Learning Toolkit. Реалізація цього методу дасть можливість розгортати системи ML в найкоротші терміни, вносити зміни до її структурних одиниць з мінімальним впливом на інші складові та адаптувати моделі ML до змін у вхідних даних, переносити систему до іншого середовища чи постачальника хмарних послуг. Перевагою використання цього методу є можливість відслідковувати активність користувачів та, за необхідності виявляти аномалії у їх поведінці. Аномалії виявляються серед даних системних/аудит логів. Після встановлення потрібних джерел даних на серверах для моніторингу, дані будуть отримані на індексері та стануть доступними для подальшої обробки йнавчання моделі MLItem Процеси та складові елементи аналізу великих даних у системах дистанційного навчання(Видавництво Львівської політехніки, 2022-03-01) Пришляк, Андрій; Кунанець, Наталія Едуардівна; Пасічник, Володимир Володимирович; Pryshiak, A.; Kunanets, N.; Pasichnyk, V.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityПроаналізовано вплив пандемії на освітні процеси в Україні. Розглянуто проблеми, які спостерігаються під час дистанційного навчання, позитивні та негативні фактори онлайн-освіти. Висвітлено чинники, які можуть призвести до конфліктних ситуацій в освітньому процесі та ускладнювати збирання й аналіз інформації. Запропоновано використовувати методи машинного навчання для аналізу великих даних у системах дистанційного навчання. Розглянуто метод аналізу головних компонент для зменшення розмірності обсягу вибірки та описано основні кроки, які потрібно виконати задля спрощення. Можливість аналізу забезпечується коректним функціонуванням системи дистанційного навчання, регламентованої ЗВО, взаємодією із усіма учасниками навчального процесу, а також своєчасним виконанням обов’язків, покладених на них.