Електронний архів
Національного університету "Львівська політехніка"
Архів зберігає опубліковані наукові матеріали переважно працівників Університету. Також доступна можливість "самоархівування". Працює з 2007 року
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
Прогнозування вироблення електроенергії за допомогою рекурентних нейронних мереж
(Національний університет «Львівська політехніка», 2024) Кошлань , Олена Юріївна; Національний університет «Львівська політехніка»
Магістерська кваліфікаційна робота виконана студенткою групи КНСШ-21 Кошлань Оленою Юріївною. Тема “Прогнозування вироблення електроенергії за допомогою рекурентних нейронних мереж”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є програма для прогнозування вироблення електроенергії. Предметом досліджень є методи та алгоритми, які застосовуються при аналізі та прогнозуванні вироблення електроенергії. Досягнення поставленої мети здійснюється за допомогою прогнозування вироблення електроенергії, використовуючи рекурентну нейронну мережу з урахуванням погодних умов. У рамках дослідження
виконано моделювання системи, що базується на застосуванні різноманітних алгоритмів машинного навчання. Для цього було використано реальний набір даних, що включає інформацію про роботу сонячної електростанції, для детального аналізу та точного прогнозування вироблення енергії. У результаті виконання дипломної роботи було створено гібридну систему обчислювального інтелекту, що поєднує переваги різних підходів машинного навчання. Було розроблено програмну реалізацію цієї системи, яка дозволяє аналізувати роботу різних методів машинного навчання для прогнозування, налаштовувати та оптимізувати гіперпараметри для найвищої ефективності, а також проводити аналіз результатів навчання рекурентної нейронної мережі на основі реальних даних сонячної станції. Загальний обсяг роботи: 94 сторінок, 38 рисунків, 29 посилань. Master's qualification work was completed by the student of group KNSSH-21, Olena Yuriyivna Koshlan. The topic is “Energy Production Forecasting Using Recurrent Neural Networks.” The work is aimed at obtaining a Master's degree in specialty 122 "Computer Science." The object of the research is a program for forecasting energy production. The subject of the research is the methods and algorithms applied in the analysis and forecasting of energy production. The achievement of the set goal is carried out through electricity generation forecasting using a recurrent neural network that takes weather conditions into account. Within the framework of the research, a system simulation was performed, based on the application of various machine learning algorithms. For this purpose, a real dataset containing information about the operation of a solar power plant was utilized for detailed analysis and accurate energy generation forecasting. As a result of the thesis work, a hybrid computational intelligence system was created, combining the advantages of different machine learning approaches. A software implementation of this system was developed, enabling the analysis of the performance of various machine learning methods for forecasting, the tuning and optimization of hyperparameters for maximum efficiency, as well as the evaluation of the training results of a recurrent neural network based on real data from the solar power plant. Total work volume: 94 pages, 38 figures, 29 references.
Прототип інтелектуалізованої кіберфізичної компоненти промислового 3D принтера для прогнозування властивостей цирконієвої кераміки
(Національний університет «Львівська політехніка», 2024) Гончарук , Павло Ігорович; Національний університет «Львівська політехніка»
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-12 Гончаруком Павлом Ігоровичем. Тема «Прототип інтелектуалізованої кіберфізичної компоненти промислового 3D принтера для прогнозування властивостей цирконієвої кераміки». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Мета дипломної роботи полягає в підвищенні ефективності інтелектуального аналізу коротких вибірок даних за рахунок розроблення прототипу інтелектуалізованого пристрою аугментації та прогнозування у випадку опрацювання даних малих обсягів. Об'єкт дослідження – процеси прогнозування у випадку аналізу обмежених вибірок даних. Предмет дослідження – апаратна реалізація способу аугментації та прогнозування коротких вибірок даних. У результаті виконання цієї дипломної роботи розроблено прототип інтелектуалізованої компоненти промислового 3D принтера, спрямованої на прогнозування властивостей цирконієвої кераміки. Реалізація цього прототипу включала розробку друкованої плати та програмного забезпечення для аугментації та прогнозування у випадку аналізу коротких вибірок даних. Запропоноване рішення дозволяє покращити якість прогнозування властивостей матеріалів, навіть за умови обмежених даних, що особливо актуально для промислового застосування, де точність є критичною. Розроблений прототип може бути інтегрований у виробничі процеси сучасних 3D принтерів, що працюють із керамічними матеріалами, забезпечуючи автоматизацію аналізу та підвищуючи ефективність виробництва. Крім того, методика, використана у роботі, може бути адаптована для прогнозування властивостей інших типів матеріалів, що розширює спектр її застосування. The master's qualification work was completed by the student of the CSAI-12 group Honcharuk Pavlo Ihorovych. The topic is "Prototype of an intellectualized cyber-physical component of an industrial 3D printer for predicting the properties of zirconium ceramics." The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The aim of the thesis is to increase the efficiency of intellectual analysis of short data samples due to the development of a prototype of an intellectualized device for augmentation and forecasting in the case of processing small amounts of data. The object of research is forecasting processes in the case of analysis of limited data samples. The subject of the research is the hardware implementation of the method of augmentation and prediction of short data samples. As a result of this thesis, a prototype of an intellectualized component of an industrial 3D printer, aimed at predicting the properties of zirconium ceramics, was developed. The implementation of this prototype included the development of a circuit board and software for augmentation and prediction in the case of analysis of short data samples. The proposed solution allows to improve the quality of prediction of material properties, even with limited data, which is especially relevant for industrial applications where accuracy is critical. The developed prototype can be integrated into the production processes of modern 3D printers working with ceramic materials, providing automation of analysis and increasing production efficiency. In addition, the technique used in the work can be adapted to predict the properties of other types of materials, which expands the range of its application.
Розроблення методів аналізу даних для виявлення аномальних змін у системах зв'язку та мережах зв'язку
(Національний університет «Львівська політехніка», 2024) Дубравський , Іван Володимирович; Національний університет «Львівська політехніка»
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-14 Дубравським Іваном Володимировичем. Тема «Розроблення методів аналізу даних для виявлення аномальних змін у системах та мережах зв'язку». Робота спрямована на отримання ступеня магістра за спеціальністю 122 «Комп’ютерні науки». Мета роботи полягає в розробці методів аналізу даних для виявлення аномальних змін у системах та мережах зв'язку. Досягнення цієї мети передбачає створення нових методів аналізу даних, що забезпечують більш точне та ефективне виявлення аномалій. Основні завдання дослідження включають: 1. Аналіз і класифікацію можливих аномалій у системах зв'язку та мережах зв'язку. 2. Розробку методів виявлення аномалій на основі аналізу даних, включаючи алгоритми машинного навчання та статистичні підходи. 3. Вдосконалення методів виявлення аномалій для зниження кількості помилкових спрацьовувань та підвищення ефективності. Дослідження передбачає використання реальних даних з мереж і систем зв'язку для апробації розроблених методів та порівняння їх ефективності. Комплексний підхід до аналізу даних включатиме сучасні техніки машинного навчання. У роботі розроблено методи аналізу даних для виявлення аномальних змін у системах та мережах зв'язку. Для зміцнення та консолідації ролі штучного інтелекту в забезпеченні безпеки мереж, ця робота досліджує, як штучний інтелект може бути використаний у сфері безпеки мереж. В результаті розроблено нову систему виявлення аномалій для мереж зв’язку на основі ансамблю навчання. Отримані результати цієї роботи можуть бути корисними для покращення безпеки та ефективності систем та мереж зв'язку, особливо у виявленні атак, внутрішніх аномалій та системних відмов. The master’s qualification thesis was completed by the student of the KNSSh24 group, Ivan Volodymyrovych Dubravsky. The topic "Anomaly Detection Techniques in Communication and Network Systems" The work is aimed at obtaining a master’s degree in the specialty 122 "Computer Science". The goal of the work is to develop data analysis methods for detecting anomalous changes in communication systems and networks. Achieving this goal involves creating new data analysis methods that provide more accurate and efficient anomaly detection. The main research tasks include: 1. Analysis and classification of possible anomalies in communication systems and networks. 2. Development of anomaly detection methods based on data analysis, including machine learning algorithms and statistical approaches. 3. Improvement of anomaly detection methods to reduce the number of false positives and increase efficiency. The research involves using real data from communication networks and systems to test the developed methods and compare their effectiveness. A comprehensive approach to data analysis will include modern machine learning techniques. The thesis introduces data analysis methods for detecting anomalous changes in communication systems and networks. To strengthen and consolidate the role of artificial intelligence in network security, this work examines how artificial intelligence can be employed in the field of network security. As a result, a new anomaly detection system for communication networks based on ensemble learning has been developed. The findings of this work can be valuable for enhancing the security and efficiency of communication and network systems, particularly in detecting attacks, internal anomalies, and system failures.
Покращення методу "Приручення трансформерів" для синтезу зображень високої роздільної здатності
(Національний університет «Львівська політехніка», 2024) Житніков , Максим Володимирович; Національний університет «Львівська політехніка»
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-12 Житніковим Максимом Володимировичем. Тема “Покращення методу "Приручення трансформерів" для синтезу зображень високої роздільної здатності”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є сучасні моделі трансформерів у комбінації із генеративними мережами, які використовуються для генерації зображень. Предметом досліджень є методики та алгоритми удосконалення архітектур трансформерів для генерації зображень на основі заданого тексту. Досягнення мети відбувається за рахунок модифікації архітектури transformer-VQ-GAN (трансформер у поєднанні із векторно-квантованою генеративною змагальною мережею) шляхом впровадження наступних кроків: 1. Впровадження механізму кодування тексту у формат представлення, який є співставним із векторним простором, який створений VQ-VAE (Векторно-квантований варіаційний автоенкодер). 2. Додання механізму конкатенації, який буде комбінувати текстові вектори із латентними кодами VQ-VAE перед тим як подати їх на вхід у авторегресивний трансформер. 3. Модифікація вхідного шару трансформера для обробки додаткових текстових векторів та налаштування механізму attention (уваги) для врахування впливу текстових даних на генерацію зображень. 4. Тренування моделі на датасеті який містить пари зображень та їх відповідного текстового опису. У результаті виконання дипломної роботи створено модифікацію архітектури transformer-VQ-GAN задля підтримки генерації зображень на основі заданого тексту, та розроблено її програмну реалізацію, яка дозволяє генерувати зображення на основі заданого тексту. Загальний обсяг роботи: 85 сторінок, 61 рисунки, 29 посилання. The master's thesis was written by Maksym Zhytnikov, a student of the КНСШ-12 group. The topic is “Improving taming transformers for high-resolution image synthesis”. The work is aimed at obtaining a master's degree in the specialty 122 “Computer Science”. The object of research is modern models of transformers in combination with generative networks used for image generation. The subject of research is methods and algorithms for improving transformer architectures for text-to-image generation. The goal is achieved by modifying the transformer-VQ-GAN architecture (transformer combined with Vector-Quantized Generative Adversarial Network) through the implementation of the following steps: 1. Implementation of a text encoding mechanism into a representation format that is compatible with the vector space created by VQ-VAE (Vector-Quantized Variational Autoencoder). 2. Addition of a concatenation mechanism that will combine text vectors with VQ-VAE latent codes before feeding them into the autoregressive transformer. 3. Modification of the transformer's input layer to process additional text vectors and adjustment of the attention mechanism to account for the influence of textual data on image generation. 4. Training the model on a dataset containing pairs of images and their corresponding textual descriptions. As a result of the thesis work, a modification of the transformer-VQ-GAN architecture was created to support text-based image generation, and its software implementation was developed, which allows generating images based on given text.
Синтез зображень для аугментації наборів даних для задачі класифікації зображень
(Національний університет «Львівська політехніка», 2024) Варениця , Андрій Васильович; Національний університет «Львівська політехніка»
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Вареницею Андрієм Васильовичем. Тема “Синтез зображень для аугментації наборів даних для задачі класифікації зображень”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є система для аугментації і доповнення вже існуючих наборів даних для задачі класифікації зображень, дифузійні моделі та їх ефективність в задачах розширення наборів даних для класифікації в умовах обмеженої кількості прикладів. Предметом досліджень є методи модифікації та покращення наявних систем синтезу зображень, з акцентом на контроль якості синтезованих даних для підвищення якості аугментації в умовах обмеженої кількості навчальних прикладів для отримання кращої точності кінцевого класифікатора. Досягнення мети відбувається за рахунок розробки додаткових модулів до генеративних нейронних мереж, які будуть контролювати їх процес синтезу, зберігаючи зображення реалістичними і водночас досить різноманітними. Подібне можна досягти з додаванням модуля оцінки якості кінцевих синтезованих зображень, який буде оцінювати синтезовані зображення по різноманітним критеріям, щоб в результаті залишити тільки найбільш підходящі екземпляри. У результаті виконання дипломної роботи буде створено нову архітектуру, яка буде працювати з синтезованими зображеннями, щоб в кінцевому результаті отримати якісні, реалістичні і в той самий час різноманітні зображення для розширення наявних реальних наборів даних і їх подальше використання для тренування на них довільних класифікаційних моделей. Результати ефективності такої аугментації даних буде порівняно з класичними підходами доповнення існуючих наборів даних і з подібними сучасними генеративними методами. Загальний обсяг роботи: 83 сторінок, 35 рисунків, 36 посилань. Master’s degree work of the student of the group CSAI-22 Varenytsia Andrii Vasylovych. The topic is "Image synthesis for datasets augmentation for image classification tasks". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is a system for augmenting and supplementing existing datasets for the image classification task, focusing on diffusion models and their effectiveness in expanding datasets for classification under limited example conditions. The subject of research is methods of modifying and improving existing image synthesis systems, with an emphasis on filtering the synthesized data to enhance the quality of augmentation in situations with limited training examples to obtain better accuracy in the final classifier.