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
Розроблення системи автоматичної обробки та аналізу медичних зображень на основі глибинного навчання
(Національний університет “Львівська політехніка”, 2023) Ільків , Андрій Олегович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ 22 Ільківом Андрієм Олеговичем. Тема «Розроблення системи автоматичної обробки та аналізу медичних зображень на основі глибинного навчання». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси підвищення точності розв’язання задач медичної класифікації шляхом використанням пояснювального штучного інтелекту. Предметом дослідження є ансамблеві методи глибинного навчання для багаторівневої класифікації та алгоритми пояснювального штучного інтелекту.
Досягнення мети відбувається за рахунок побудови ансамблю із двох згорткових мереж із запропонованою структурою та застосування методів пояснювального штучного інтелекту для встановлення залежностей і особливостей моделей при здійсненні класифікації. У результаті виконання дипломної роботи створену ансамбль згорткових нейронних мереж; розроблено її програмну реалізацію, яка дозволяє здійснювати класифікацію діагнозу пацієнтів за вхідних зображенням комп’ютерної томографії; здійснено порівняння результатів навчання класифікаторів на двох різних наборах даних; застосовано методи пояснювального штучного інтелекту для відображення закономірностей при здійсненні класифікації кожною з моделей та їх ансамблю. Загальний обсяг роботи. 65 сторінок, 24 рисунки, 24 посилання. Master’s degree work of the student of the group CSAI-22 group Ilkiv Andrii Olegovich. The topic is "Development of a system for automatic processing and analysis of medical images based on deep learning." The work is aimed at obtaining a master’s degree in 122 "Computer Science". The object of research is the process of increasing the accuracy of solving medical classification problems by using explanatory artificial intelligence. The subject of research is ensemble methods of deep learning for multilevel classification and algorithms of explanatory artificial intelligence.
Розробка системи розділення джерел звуку на основі методів машинного навчання
(Національний університет “Львівська політехніка”, 2023) Ткачук , Орест Романович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Ткачуком Орестом Романовичем. Тема “Розробка системи розділення джерел звуку на основі методів машинного навчання”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є обробка аудіоcигналів. Предметом дослідження є алгоритми та методи обробки аудіосигналів з метою виділення окремих джерел звуку та їх класифікації. Для досягнення поставленої мети, було використано підхід розширення простору вхідних аудіоданих за допомогою результатів, отриманих з застосуванням методу віконного перетворення Фур’є. Подальша обробка розширеного набору даних використовувала згорткові нейронні мережі, які передбачали бінарні маски окремих джерел звуку. Використання цих масок дозволило покращити ефективність розділення джерел звуку в поліфонічних аудіоданих та зменшити складність обчислень. Апробацію роботи гібридної системи здійснено з використанням реальних аудіоданих, а також проведено порівняльний аналіз розділених джерел звуку. У результаті виконаної дослідницької роботи було створено комп'ютерну програму, яка дозволяє проводити процес розділення різних джерел звуку у складних поліфонічних композиціях. Ця програмна система є результатом об'єднання різноманітних алгоритмів та методів, включаючи в себе згорткові нейронні мережі, бінарні маски та обробку сигналу на основі віконного перетворення Фур'є. Загальний обсяг роботи: 72 сторінки, 34 рисунки, 31 посилання. The Master’s degree work of the student of the group Tkachuk Orest Romanovych, a student of the CSAI-22 group. The topic is "Development of a sound source separation system based on machine learning methods." The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The object of research is the processing of audio signals. The subject of research is algorithms and methods of audio signal processing for the purpose of isolating individual sound sources and their classification. To achieve the goal, the approach of expanding the space of input audio data using the results obtained with STFT was used. Further processing of the extended data set used convolutional neural networks, which predicted binary masks of individual sound sources. The use of these masks made it possible to improve the efficiency of separation of sound sources in polyphonic audio data and reduce the complexity of calculations. The performance of the hybrid system was tested using real audio data and a comparative analysis of separated sound sources was carried out. As a result of the master’s qualification work, a computer program was created, which allows for the separation of different sound sources in complex polyphonic compositions. This software system is the result of a combination of various algorithms and methods, including convolutional neural networks, binary masks and signal processing based on short-time Fourier transform method (STFT). Total volume of work: 72 pages, 34 figures, 31 references.
Система пошуку тексту з набору зображень у Telegram
(Національний університет “Львівська політехніка”, 2023) Турик , Олександр Романович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Туриком Олександром Романовичем. Тема “Система пошуку тексту з набору зображень у Telegram”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси знаходження та розпізнавання тексту на зображеннях в природному середовищі. Предметом досліджень є алгоритми оптичного розпізнавання символів (OCR) на зображеннях, обробка текстових даних та алгоритми пошуку тексту. Досягнення мети відбувається за рахунок обробки зображень, знаходження та розпізнавання слів які містять текстові символи. Подальше опрацювання та витягування тексту для набору зображень передбачає створення набору знайдених текстових даних та відповідності їх певному зображенню за його ідентифікатором. Апробацію роботи системи здійснено з використанням різних алгоритмів машинного навчання для розпізнавання тексту та видачі результатів пошуку на основі реальних набору даних з месенджеру Telegram. У результаті виконання дипломної роботи створено систему пошуку зображень; розроблено її програмну реалізацію та інтерфейс на основі прикладного програмного інтерфейсу месенджеру Telegram, який дозволяє передавати унікальні посилання на листування чи груповий чат, фотографії якого можуть передаватися системі. В результаті для кожного чату з фотографіями створюється набір даних з текстом по якому надіславши ключове слово можна отримати зображення з відповідним наявним текстом. Загальний обсяг роботи: 70 сторінок, 31 рисунок, 28 посилань. Master’s degree work of the student of the group CSAI-22 Turyk Oleksandr Romanovych. The topic is "Text search system from a set of images in Telegram". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of the research is the processes of locating and recognizing text in natural environments. The subject of the research includes algorithms for optical character recognition (OCR) on images, text data processing, and text search algorithms. The practical value of the work lies in the fact that the use of such a system will help to optimize the search for information among a large array of images and the search speed during repeated use.
Порівняльний аналіз архітектур нейронних мереж для прогнозування погоди та кліматичних змін
(Національний університет “Львівська політехніка”) Фіняк , Мар’ян Васильович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Фіняком Мар’яном Васильовичем. Тема “ Порівняльний аналіз архітектур нейронних мереж для прогнозування погоди та кліматичних змін”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є архітектури нейронних мереж для прогнозування погоди та кліматичних змін. Предметом досліджень є порівняльний аналіз різних архітектур нейронних мереж, які застосовуються для прогнозування погоди та кліматичних змін. Досягнення мети відбувається за рахунок збору відповідних даних, вибору оптимальної архітектури нейронної мережі. Подальшому розробленю моделей, аналізу їх результатів. У результаті виконання дипломної роботи покращено систему прогнозування погодніх умов в певному регіоні на певний період часу, обрано найоптимальнішу архітектуру нейронної мережі, Загальний обсяг роботи: 60 сторінок, 15 рисунки, 25 посилання. Master’s degree work of the student of the group CSAI-23 Finiak Marian Vasiliyovich. The topic is "Topic name". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of research is the architecture of neural networks for forecasting weather and climate change. The subject of the study is a comparative analysis of different structures of neural networks, which are used for forecasting weather and climate changes. Achieving the goal occurs due to the collection of relevant data and the selection of the optimal structure of the neural network. Further development of the model, analysis of their results. As a result of the diploma work, the system of forecasting weather conditions in a certain region for a certain period of time was improved, the most optimal neural network structure was chosen, Total volume of work: 60 pages, 15 figures, 25 references.
Прогнозування успішності товару в інтернет-магазині
(Національний університет “Львівська політехніка”, 2023) Хайнас , Олександр Юрійович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-24 Хайнасом Олександром Юрійовичем. Тема “Прогнозування успішності товару в інтернет-магазині”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є успішність товарів в інтернет-магазині. Предметом досліджень є методи прогнозування успішності товарів з використання моделей машинного навчання з учителем та ансамблевих алгоритмів. Досягнення мети відбувається за рахунок розробки двох моделей глибинного навчання та їх об’єднання. Одна модель використовує на вході оброблені дані про товари, а інша модель базується на зображеннях товару. Апробацію моделей здійснено з використанням реальних даних інтернет-магазинів. У результаті виконання дипломної роботи створено об’єднану модель з двох алгоритмів глибинного навчання, яка дозволяє прогнозувати успішність нового товару в інтернет-магазині, базуючись на даних про товар та його зображення. Тема дослідження вкрай актуальна, вона може сприяти підвищенню якості роботи інтернет-магазинів і водночас бути корисною як для бізнесу, так і для клієнтів. Враховуючи швидке зростання електронної комерції, здатність прогнозування популярності товару може стати ключовою для успіху інтернет-магазинів. Використання глибинного навчання та машинного навчання для аналізу даних товару та його зображення може надати значущу перевагу у конкурентній боротьбі. Загальний обсяг роботи: 65 сторінок, 26 рисунки, 18 посилань. Master’s degree work of the student of the group CSAI-21 Khainas Oleksandr Yuriyovich. The topic is " Predicting product success in an online store". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of the study is the success of products in online stores. The subject of the research involves methods of predicting product success using supervised machine learning models and ensemble algorithms. Achieving the objective is done by developing two deep learning models and their integration. One model takes pre-processed product data as input, while the other model is based on product images. The models were tested using real online store data. As a result of the thesis work, a combined model from two deep learning algorithms was created, which allows predicting the success of a new product in an online store based on product data and its image. The research topic is extremely relevant as it can help enhance the operation of online stores and simultaneously be beneficial for both businesses and customers. Considering the rapid growth of e-commerce, the ability to predict product popularity can be pivotal for the success of online stores. Employing deep learning and machine learning to analyze product data and its imagery can provide a significant competitive advantage. The total volume of work: 65 pages, 26 figures, 18 references.