Електронний архів
Національного університету "Львівська політехніка"
Архів зберігає опубліковані наукові матеріали переважно працівників Університету. Також доступна можливість "самоархівування"
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
Відновлення зображень за допомогою генеративних нейронних мереж
(Національний університет “Львівська політехніка”, 2023) Бердник , Данило Ігорович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Бердником Данилом Ігоровичем. Тема “Відновлення зображень за допомогою генеративних нейронних мереж”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процес відновлення зображень за допомогою генеративних нейронних мереж. Предметом досліджень є архітектури та методи реконструкції зображень за допомогою генеративних нейронних мереж для пошкоджених зображень. Досягнення мети відбувається шляхом побудови системи для відновлення пропусків у зображеннях, головна складова якої це генеративна нейронна мережа, також проводиться подальша модифікація системи шляхом додавання додаткової мережі для функції втрат і подальша оптимізація головної мережі. Апробацію такої системи було проведено на двох реальних наборах даних: перший - зображення облич людей, другий - зображення відбитків пальців. У результаті виконання дипломної роботи створено систему для реконструкції зображень. Було отримано модифікації системи шляхом зміни функції втрат та оптимізації частини генератора у генеративній мережі контекстного кодувальника. Отримані модифікації та оригінальну систему було використано на наборах даних та проаналізовано результати. Загальний обсяг роботи: 68 сторінок, 19 рисунки, 27 посилань. The master's qualification work was performed by a student of the group KNSCH-23 Danylo Ihorovych Berdnyk. The topic is "Image restoration using generative neural networks". The work is aimed at obtaining a master's degree in specialty 122 "Computer Science". In today's world, the demand for high-quality images is growing in most areas, and with it, the need for image reconstruction methods is also growing. Image reconstruction is a very important aspect of many modern technologies that are used in such fields as medicine, biology, archeology, and many others. Typically, neural networks such as autoencoders are used for image reconstruction tasks, however, in recent years, generative neural networks have shown high potential in creating high-quality images and have become a promising alternative to traditional autoencoders for image reconstruction tasks. The topic of the research is "Image Reconstruction Using Generative Neural Networks", namely the application of such networks for images with missing areas. One of the main research objectives of this work is to investigate architectures and methods for image reconstruction using generative neural networks. To achieve this, a generative network architecture will be selected and applied to the problem of filling in gaps in images. The aim of this work is to develop an architecture and methods of image reconstruction using a generative neural network for the task of filling gaps in images. The object of research is the process of image restoration using generative neural networks. The subject of research is the architectures and methods of image reconstruction using generative neural networks for damaged images.
Використання глибоких нейронних мереж для створення послідовностей електронної музики
(Національний університет “Львівська політехніка”, 2023) Білецький , Максим Олександрович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Білецьким Максимом Олександровичем. Тема: «Використання глибоких нейронних мереж для створення послідовностей електронної музики». Робота направлена на здобуття ступеня магістра за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є дослідити можливості глибоких нейронних мереж (DNN) у створенні електронних музичних послідовностей, акцентуючи увагу на створенні унікальних, емоційно резонуючих та художньо привабливих звукових композицій. Загальний обсяг роботи: 68 сторінок, 3 таблиці, 19 рисунків та 36 літературних джерел. Master’s qualification work was performed by a student of the group CSAI-23 Biletskyi Maksym Oleksandrovych. Topic: "Using deep neural networks to create sequences of electronic music." The work is aimed at obtaining a master’s degree in 122 "Computer Science". The purpose of this thesis is to explore the possibilities of deep neural networks (DNNs) in creating electronic music sequences, focusing on the creation of unique, emotionally resonant, and artistically appealing sound compositions. This research focuses on the creation of electronic music sequences using deep neural networks. It delves into various methodologies and learning techniques in the field of music production, and examines the obstacles and limitations associated with these methods. In addition, the study will evaluate the artistic possibilities of music created with the help of artificial intelligence and explore the extent to which DNNs can improve the creative process and contribute to the emergence of new ways of expression in electronic music. IIn this research, I was able to test the prospects of creating music using deep neural networks. I built a neural network architecture and tested the result on various parameters. All data for training the network was collected by me personally and pre-processed. I was able to collect 800 songs from various sites with free music samples using web scraping. Total volume of work: 68 pages, 3 tables, 19 figures and 36 references.
Порівняльний аналіз методів аугментації даних для різних модальностей
(Національний університет “Львівська політехніка”, 2023) Бохонко , Андрій Віталійович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-12 Бохонко Андрієм Віталійовичем. Тема “Порівняльний аналіз методів аугментації даних для різних модальностей”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси прогнозування у випадку коротких наборів табличних даних. Предметом досліджень є методи аугментації даних для різних модальностей. Досягнення мети відбувається перш за все з дослідження існуючого інструментарію машинного навчання та методів аугментації даних для різних модальностей. Подальша розробка програмного забезпечення для реалізації різних методів аугментації даних та моделей машинного навчання для різних модальностей. Апробацію роботи здійснено за допомогою аналізу ефективності різних методів аугментації даних для різних модальностей з використанням метрик якості та статистичних методів. У результаті виконання дипломної роботи проведено аналіз впливу різноманітних методів аугментації даних на ефективність роботи класифікаторів на різних модальностях. Загальний обсяг роботи: 92 сторінки, 49 рисунків, 25 посилань. Master’s degree work of the student of the group CSAI-22 Bokhonko Andrii Vitaliyovych. The topic is "Comparative analysis of data augmentation methods for different modalities". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is forecasting processes in the case of short sets of tabular data. The subject of research is data augmentation methods for various modalities. Achieving the goal occurs primarily from the study of existing machine learning tools and data augmentation methods for various modalities. Further software development to implement various data augmentation methods and machine learning models for various modalities. Approbation of the work was carried out by analyzing the effectiveness of various methods of data augmentation for various modalities using quality metrics and statistical methods. As a result of the diploma work, an analysis of the influence of various methods of data augmentation on the effectiveness of classifiers in various modalities was carried out. The total volume of work: 92 pages, 49 figures, 25 references.
Розроблення моделі глибокого навчання для класифікації зображень і виявлення об’єктів на медичних зображеннях
(Національний університет “Львівська політехніка”, 2023) Воробель , Адріан Олександрович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ- 23 Вороблем Адріаном Олександровичем. Тема “Розроблення моделі глибокого навчання для класифікації зображень і виявлення об’єктів на медичних зображеннях”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об'єктом дослідження є дослідження є процес класифікації зображень та виявлення об’єктів на медичних зображеннях. Предметом дослідження є розробка рішення з використанням нейромережевої архітектури та методів глибокого навчання для досягнення найвищої точності та швидкості виявлення об’єктів на медичних зображеннях. Досягнення мети відбувається за рахунок використання моделі YOLOv8 та її тренування. Апробацію роботи моделі здійснено на основі медичних наборів даних у відкритому доступі, що містять рентгенівські знімки, для розв’язання задачі виявлення переломів та їх класифікації. У результаті виконання дипломної роботи розроблено дві моделі глибокого навчання, одна з яких дозволяє виявляти переломи на рентгенівських знімках та класифікувати їх на декілька класів, а інша — лише виявляти. Загальний обсяг роботи: 56 сторінок, 40 рисунків, 21 посилання. The master's qualification work was completed by the student of the CSAI- 23 group Vorobel Adrian Oleksandrovych. Topic is "Development of a deep learning model for image classification and object detection in medical images". The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The object of research is the process of image classification and object detection on medical images. The subject of the research is the development of a solution using neural network architecture and deep learning methods to achieve the highest accuracy and speed of object detection in medical images. The goal is achieved by using the YOLOv8 model and its training. The approbation of the model's work was carried out on the basis of medical data sets in open access, containing X-ray images, to solve the problem of fracture detection and their classification. As a result of the thesis, two deep learning models were developed, one of which allows you to identify fractures on X-ray images and classify them into several classes, and the other only detects them. Total volume of work: 56 pages, 40 figures, 21 references.
Дослідження ефективності методів класифікації та резюмування новин для полегшення орієнтації в інформаційному просторі
(Національний університет “Львівська політехніка”, 2023) Гірник , Юрій Володимирович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Гірником Юрієм Володимировичем. Тема “Дослідження ефективності методів класифікації та резюмування новин для полегшення орієнтації в інформаційному просторі”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процес споживання новин, його особливості і способи покращення. Предметом дослідження є методи класифікації та резюмування новин на основі текстових даних. Мета магістерської кваліфікаційної роботи полягає в дослідженні та можливості покращення ефективності методів класифікації та резюмування новин. Досягнення мети досягається шляхом дослідження сучасних методів вирішення завдань обробки природньої мови, особливостей їхньої архітектури та підходів. Також внаслідок проведення серії дослідів над розширеним набором даних проведено аналіз отриманих результатів. У результаті виконання дипломної роботи було отримано опис методів класифікації та резюмування текстів, побудовано набір даних, а також проведена серія дослідів над ним і обраними методами. Отримані результати були проаналізовані та порівняні, що дає змогу обрати метод для прикладного застосування в сфері новин в подальшому. Загальний обсяг роботи: 69 сторінок, 16 рисунків, 39 посилань. Master paper executed by the student of group CSAI-23 Hirnyk Yurii Volodymyrovych. The topic is "Investigation of the effectiveness of methods of classification and summarization of news to facilitate orientation in the information space". The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The object of the research is the process of news consumption, its features and methods of improvement. The subject of the research is methods of classification and summarization of news based on textual data. The purpose of the master's thesis is to investigate and improve the effectiveness of news classification and summarization methods. The goal is achieved by researching modern methods of solving natural language processing tasks, features of their architecture and approaches. Also, as a result of conducting a series of experiments on an expanded data set, an analysis of the obtained results was carried out.