Search

Дипломна робота: 119 с., 42 рис., 1 додаток, 43 джерел Мета роботи – використати апарат згорткових штучних нейронних мереж для розпізнавання стратегічних технічних об'єктів. Об’єктом дослідження є методи та моделі розпізнавання об’єктів. Пpедметом досліджень є системи розпізнавання стратегічних технічних об’єктів на основі глибоких згорткових нейронних мереж. Актуальність даного методу випливає із стратегічної важливості швидкого та точного розпізнавання, обробки та аналізу візуальної інформації із камер дронів, наземної техніки та об’єктів та інших джерел. Така інформація може бути життєво важливою як у військовій, так і у цивільній сферах, наприклад для журналістики, своєчасного попередження мирних громадян про небезпеку та їх захисту. У даній роботі запропонована модель для розпізнавання стратегічних технічних об'єктів на основі глибоких згорткових нейронних мереж, орієнтована на використання на БПЛА різних класів та за умов значно обмежених обчислювальних ресурсів. Thesis: 119 p., 42 fig., 1 appendice, 43 sources The purpose of this work is to use the apparatus of convolutional artificial neural networks for recognition of strategic technical objects. The object of research is methods and models of object recognition. The subject of research is recognition systems of strategic technical objects based on deep convolutional neural networks. The relevance of this method stems from the strategic importance of rapid and accurate recognition, processing and analysis of visual information from drone cameras, ground vehicles and objects and other sources. Such information can be vital in both the military and civilian areas, such as journalism, the timely warning of civilians of danger and their protection. In this thesis, a model for recognizing strategic technical objects based on deep convolutional neural networks is proposed, aimed at use on UAVs of various classes and under conditions of significantly limited computing resources.

Магістерська дисертація: 78 с., 19 рис., 32 табл., 37 джерел. Об’єкт дослідження – Методи та моделі ШІ. Предмет дослідження – Системи розпізнавання фейкових новин на основі методів штучного інтелекту. Мета роботи – дослідити та зробити власну модель розпізнавання фейкової інформації, зробити аналіз з найсучаснішими суміжними роботами, що показали найкращий результат. У минулому для виявлення фейкових новин здебільшого використовували класифікаційні та регресійні моделі, в яких вхідними даними були або зміст статті, або шляхи поширення чуток. Однак у цій роботі представлено модель глибокої нейронної мережі на основі двонаправленої довготривалої короткочасної пам'яті (LSTM). Дана робота має неабияку актуальність в сьогодення, а саме у військовий час, коли кожен може отримувати величезну кількість інформації з соціальних мереж, але не кожен вміє її правильно аналізувати чи сприйняти, що може створювати негативні настрої в суспільстві. Проте використовуючи відповідну розробку, наприклад як телеграм бот чи додаток в браузері користувач може побачити певну інформацію як потенційно недостовірну, хоча вона і матиме гучні заголовки. Master’s thesis explanatory note: 78 p., 19 fig., 32 tables, 37 sources. Object of research - Methods and models of AI. Subject of research - The systems of recognition of fake news are on the basis of methods of artificial intelligence. The purpose of the work is to investigate and make our own model for recognizing fake information, to make an analysis with the most modern related works that have shown the best result. In the past, fake news detection mostly used classification and regression models, in which the input data was either the content of the article or the path of the rumor. However, this paper presents a deep neural network model based on bidirectional long short-term memory (LSTM). This work is of great relevance today, namely in wartime, when everyone can receive a huge amount of information from social networks, but not everyone knows how to analyze or perceive it correctly, which can create negative sentiments in society. However, using the appropriate development, such as a Telegram bot or a browser application, the user can see certain information as potentially unreliable, although it will have loud headlines.

Магістерська дисертація: 65 с., 9 рис., 6 джерел. В роботі досліджується проблема прогнозування демографічної ситуації, а також генетичний алгоритм, за допомогою якого відбувається побудова прогнозів процесів такого типу. В дисертації проводиться огляд методів прогнозування демографічних процесів. Також описано і продемонстровано застосування обраного метода прогнозування та проведено аналіз результатів. В межах магістерської дисертації було розроблено комп’ютерну програму для побудови короткострокових прогнозів. Дана система дозволяє завантажувати, таблично відображати дані, і таблично відображати результати. Master’s thesis: 65 p., 9 fig., 6 sources. The work investigates the problem of forecasting the demographic situation, as well as the genetic algorithm, which is used to build forecasts of processes of this type. The thesis reviews the methods of forecasting demographic processes. It also describes and demonstrates the application of the selected forecasting method and analyzes the results. As part of the master's thesis, a computer program for short-term forecasts was developed. This system allows downloading, tabular display of data and tabular display of results.

Магістерська дисертація: 71 с., 26 табл., 22 рис., 13 джерел, 1 додаток. Об’єктом дослідження є задача визначення раси людини по фото. Предмет дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та нейронна мережа, побудована на механізмі уваги, моделі штучного інтелекту. Мета дослідження полягає у аналізі фото данних, підборі моделей для прогнозування, реалізації методів прогнозування на основі механізмів штучного інтелекту та вибір найкращого методу. Як результат дослідження було запропоновано та розроблено модель прогнозування даних, що використовує механізми штучного інтелекту, як авторегресійні моделі, нейронні мережі довгої короткострокової пам'яті та модель на основі механізму уваги. Проведено порівняння побудованих моделей та вибрано найкращу за метриками Loss та f1. Результат даної роботи можна застосувати при вирішенні подібних задач короткострокового прогнозування нестаціонарних часових рядів. Master’s thesis: 71 p., 26 tab., 22 fig., 13 references, 1 appendix. The object of the study is the task of determining the race of a person from a photo. The subject of research is autoregressive models, a recurrent neural network of long short-term memory and a neural network built on the mechanism of attention, a model of artificial intelligence. The purpose of the research is to analyze photo data, select models for forecasting, implement forecasting methods based on artificial intelligence mechanisms, and choose the best method. As a result of the research, a data forecasting model using artificial intelligence mechanisms such as autoregressive models, long-short-term memory neural networks, and a model based on the attention mechanism was proposed and developed. The built models were compared and the best one was selected according to the Loss and f1 metrics. The result of this work can be applied in solving similar problems of short- term forecasting of non-stationary time series.

Магістерська дисертація: 91 с., 46 рис., 18 табл., 1 додаток, 11 джерел. Об’єктом дослідження є кредиторна компанія, представлена у вигляді часових рядів на основі статистичних даних стосовно їхньої динаміки. Предметом дослідження є ймовірнісно-статистичні методи та машинне навчання для моделювання і прогнозування кредитоспроможності юридичних осіб, а також методи пошуку найкращої архітектури моделі машинного навчання і відповідно її найкращих гіперпараметрів. Метою дослідження є аналіз характеру поведінки клієнтів на основі часових рядів та прогнозування за допомогою машинного навчання, а також отримання алгоритму відбору архітектури машинного навчання та ї гіперпараметрів для задачі регресії кредитоспроможності клієнта. Новизною є отримана модель машинного навчання. Master's dissertation: 91 p., 46 figs., 18 table, 1 appendix, 11 sources. The object of the study is a credit company, presented in the form of time series based on statistics on their dynamics. The subject of research is probabilistic-statistical methods and machine learning for modeling and forecasting the creditworthiness of legal entities, as well as methods for finding the best architecture of the machine learning model and, accordingly, its best hyperparameters. The aim of the study is to analyze the nature of customer behavior based on time series and forecasting with machine learning, as well as to obtain an algorithm for selecting machine learning architecture and its hyperparameters to regress the client's creditworthiness. The novelty is the obtained model of machine learning.

Магістерська дисертація: 114 с., 26 рис., 20 табл., 1 додаток, 17 джерел. Дана робота присвячена дослідженню методів інтелектуального аналізу даних в сфері інвестицій в активи побудовані на блокчейн технологіях, а систему підкріплення прийняття рішень у сфері торгівлі на криптовалютних ринках. Об’єктом дослідження дані котирування криптовалютних активів з біржі Binance. Предметом дослідження являються системи прийняття рішень які базуються на сатистичних індикаторах технічного аналізу котирувань, критеріях реакцій інших учасників ринку щодо укладання угод, корирування бірж. Метою дослідження є побудова системи, яка допомагатиме користувачу проводити більш якісний аналіз та створити обгрунтовану пропозиційну систему підкріплення прийняття рішень укладання угод. Актуальність роботи полягає в необхідності розробки такої системи, яка би проводила первинний аналіз, повідомляла про ймовірні точки зміни руху ціни активу, зпрощувала подальший аналіз через візуальний інтерфейс який був би зручним для сприйняття людиною. Результатом роботи являється програма у вигляді веб-застосунку з описаною вище системою підкріплення рішень реалізована як візуальне доповнення до графіку котирувань. Новизною роботи являється розробка нової оригінальної автоматичної системи підтримки прийняття рішень, яка надає ряд переваг стосовно аналізу даних, відносно ручного аналізу даних. Master's degree dissertation: 114 of p., 26 of images., 20 of table., 1 addition, 17 of source. This work is sanctified to research methods of intellectual analysis of the investments given in a sphere in assets built on block-cahin technologies, and system of reinforcement of making decisions in the field of trade on crypto-currencies markets. By a research object these quotations of crypto-currencies assets from the Binance exchange. The article of research are the systems of making decisions that are based on the statistical indicators of technical analysis of quotations, criteria of reactions of other participants of the market in relation to entering into contracts, exchanges quotes . A research aim is a construction of the system, that will help an user to conduct more quality analysis and create a reasonable recommendation system of reinforcement of making decisions of entering into contracts. Actuality of work consists in the necessity of development of such a system, that would conduct a primary analysis, report the changes of motion cost of asset about credible points, facilitate further analysis through a visual interface that would be convenient for perception of a human. Development represents web-application with the system of reinforcement of decisions described higher realized as a visual addition to the chart of quotations. The novelty of work is the development of the new original automatic system of support of making decisions, that gives the row of advantages in relation to the analysis of data, in relation to the hand analysis of data.