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
Розпізнавання неправдивих новин методами машинного навчання
(Національний університет “Львівська політехніка”, 2023) Кондрацький , Владислав Олександрович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-22 Кондрацьким Владиславом Олександровичем. Тема «Розпізнавання неправдивих новин методами машинного навчання». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єкт – бази даних з попереднім визначенням правдивих та неправдивих новин та новинні ресурси у месенджері “Телеграм”. Предмет дослідження – аналіз даних, їх обробка та навчання мережі виявлення фейку. Мета – виявити неправдиві новини із застосуванням найбільш ефективних засобів машинного навчання у даній ніші. Завдання дослідження: • розв'язання теоретичних питань, які входять до загальної проблеми дослідження • розв'язання проблем дослідження шляхом створення програмного продукту • обґрунтування ефективності обраних засобів щодо розв'язання конкретної проблеми Загальний обсяг роботи: 49 сторінок, 7 рисунків, 5 таблиць, 39 посилань. The master's thesis was written by Vladyslav Kondratskyi, a student of the CSAI-22 group. The topic is "Recognizing False News by Machine Learning Methods". The work is aimed at obtaining a master's degree in specialty 122 "Computer Science". Object - databases with a preliminary definition of true and false news and news resources in the Telegram messenger. The subject of the study is data analysis, processing and training of a fake news detection network. The goal is to identify false news using the most effective machine learning tools in this niche. Research objectives: • Solving theoretical issues that are part of the general research problem • Solving research problems by creating a software product • Justifying the effectiveness of the selected tools in solving a specific problem Total amount of work: 49 pages, 7 figures, 5 tables, 39 references.
Аналіз музики засобами машинного навчання
(Національний університет “Львівська політехніка”, 2023) Корнієнко , Валентин Валерійович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-24 Корнієнко Валентином Валерійовичем. Тема “Аналіз музики засобами машинного навчання”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Мета роботи полягає в дослідженні та розробці методів аналізу та класифікації музики за жанром та емоційністю за допомогою машинного навчання. Досягнення мети відбувається шляхом створення двух комбінованих моделей CNN-LSTM, для використання як просторових, так і часових характеристик звукових ознак. Апробацію роботи розроблених методів класифікації музики здійснено з використанням різних алгоритмів машинного навчання на основі згорткових нейронних мережей та довгої короткострокової пам’яті. Об’єктом дослідження є процеси класифікації музики методами машинного навчання. Предметом досліджень є методи та алгоритми машинного навчання, що використовуються для класифікації музики. У результаті виконання дипломної роботи створено архітектуру комбінованої CNN-LSTM моделі для класифікації музики за жанром та емоційним забарвленням; розроблено дві її програмних реалізації у вигляді моделей глибокого навчання, для класифікації музики за жанром та емоційним забарвленням. Проведено тестування розроблених моделей в результаті якого вони показали чудову точність передбачення у 93% для моделі класифікації за жанром, та 94% – класифікації за емоційним забарвленням. Загальний обсяг роботи: 73 сторіни, 41 рисунок, 27 посиланнь. The master's thesis was written by Valentyn Kornienko, a student of the group KNSCH-24. The topic is " Music analysis using machine learning". The work is aimed at obtaining a master's degree in specialty 122 "Computer Science". The aim of the work is to research and develop methods for analyzing and classifying music by genre and emotionality using machine learning. The goal is achieved by creating two combined CNN-LSTM models to use both spatial and temporal characteristics of sound features. The developed music classification methods were tested using various machine learning algorithms based on convolutional neural networks and long short-term memory. The object of research is the processes of music classification using machine learning methods. The subject of research is machine learning methods and algorithms used for music classification. As a result of the thesis, the architecture of a combined CNN-LSTM model for classifying music by genre and emotional color was created; two of its software implementations in the form of deep learning models for classifying music by genre and emotionality were developed. The developed models were tested and showed an excellent prediction accuracy of 93% for the genre classification model and 94% for the emotional coloration classification model. Total amount of work: 73 pages, 41 figures, 27 references.
Розширення шрифтів з урахуванням їх стилістичних дескрипторів
(Національний університет “Львівська політехніка”, 2023) Петровський , Олександр Сергійович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Петровським Олександром Сергійовичем. Тема “Розширення шрифтів з урахуванням їх стилістичних дескрипторів”. Робота спрямована на здобуття магістерського ступеня за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процес доповнення шрифтів зі збереженням оригінальної стилістики. Предметом дослідження є умовні генеративні змагальні мережі як метод створення шрифтів заданої стилістики. Мета магістерської кваліфікаційної роботи була досягнена за рахунок створення нової нейромережевої архітектури на базі умовних генеративних змагальних мереж, здатної вилучати і використовувати при генерації шрифтів інформацію про те, який символ очікується на виході, якими глобальними і локальними стилістичними особливостями володіє доповнювана гарнітура, та те, якою є додаткова неграфічна інформація про шрифт (стилістичні дескриптори). Також, було запропоновано у якості джерела стилістичних дескрипторів використовувати код класифікації гарнітури за системою PANOSE-1, оскільки він вбудований у метадані більшості шрифтів, реалізовано метод його обробки та інтеграції у видобуті стилістичні властивості. Навчання і тестування моделі було проведено на авторському наборі даних, для результатів її роботи були обчислені метрики, окреслені у розділі 2.4., після чого ефективність розробленої нейронної мережі у контексті генерації шрифтів була порівняна з ефективністю інших сучасних моделей. Загальний обсяг роботи: 72 сторінки, 2 додатки, 42 посилання, 17 рисунків і 8 таблиць. This master's degree work of the group CSAI-21 student Petrovskyi Oleksandr Serchiiovych aims to obtain a master's degree in 122 "Computer Science". The topic is "Style-descriptors-aware font completion". The object of this study is the process of font completion with the perseverance of the original style. The subject of this study is conditional generative adversarial networks as a method of creating fonts of a given style.
Розширення шрифтів зі збереженням стилістики за допомогою генеративних змагальних мереж
(Національний університет “Львівська політехніка”, 2023) Тимошенко , Павло Олександрович; Національний університет “Львівська політехніка”
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Тимошенком Павлом Олександровичем. Тема «Розширення шрифтів зі збереженням стилістики за допомогою генеративних змагальних мереж». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процес автоматизації генерування шрифтів за допомогою трансформацій, створення на основі певних ознак та заданих прикладів. Предметом дослідження є генеративна модель машинного навчання, яку можна використовувати для вирішення поставленої проблеми. Досягнення поставленої мети відбувається використанням готової моделі, пристосованої для використання з латиницею та кириличним алфавітами. Для цієї моделі здійснено ґрунтовний препроцесинг даних: зібрано доступні шрифті в TTF та OTF форматах, досліджено спосіб перетворення їх у дані, які можна передати генеративній змагальній мережі. У результаті виконання дипломної роботи створено гібридну систему обчислювального інтелекту; розроблено її програмну реалізацію, яка дозволяє користувачу взаємодіяти з моделлю за допомогою GUI, «на льоту» здійснює попередню обробку даних, завантажених користувачем а також повертає результат моделі. Програмну імплементацію роботи опубліковано у репозиторії https://github.com/mitlyn/Fonty. Загальний обсяг роботи: 65 сторінок, 20 рисунків, 36 посилань. Throughout the existence of the printing industry, a huge number of fonts have been created. With the proliferation of pixel displays, the need for fonts has increased even more, because they are the only way to display textual information, the amount of which is increasing. User requirements for fonts have also grown over time - we would like to have fonts that are easy to read, print, reproduce handwritten forms, convey a certain mood, help create an image or brand, help encourage others, sell certain ideas, etc. The best of typefaces is now used everywhere in print and graphic design, and are taken for granted. The goal of this research is to automate the creation of fonts using artificial intelligence models. A computer can help create a huge number of fonts that would otherwise have to be drawn by hand. The purpose of the work is to automate the creation of fonts using artificial intelligence models. Such models can help create a huge number of fonts that would otherwise have to be drawn by hand. The novelty of this research lies in the fact that most of such works have been done mainly for the expansion of fonts within the Chinese hieroglyphic script, very few works investigate the problem of cross-language conversion, among them there are almost no works investigating the Latin script itself, and there are no relevant studies concerning Cyrillic. Cyrillic writing is very different from hieroglyphic writing, and the methods used to process it will vary accordingly. An analysis of already existing approaches is also presented in this study. The object of this study is the process of automating the generation of fonts using transformations, creation based on certain features and given examples. The subject of research is a generative model of machine learning that can be used to solve the given problem. The research methods are machine learning algorithms used to work with images. The total volume of work: 65 pages, 20 figures, 36 references.
Застосування методів машинного навчання для передбачення справжніх та підроблених оголошень на роботу
(Національний університет “Львівська політехніка”, 2023) Ханас , Михайло-Юрій Романович; Національний університет “Львівська політехніка”
Робота виконана студентом групи КНСШ-21 Ханасом Михайлом-Юрієм Романовичем. Тема «Застосування методів машинного навчання для передбачення справжніх та підроблених оголошень на роботу». Робота направлена на здобуття ступеня магістр за освітньо-професійною програмою другого рівня вищої освіти "Системи штучного інтелекту" за спеціальністю «Комп’ютерні науки». Метою магістерської кваліфікаційної роботи є створення та розробка реалізація системи, яка швидко обробить оголошення на роботу і виявить підроблені вакансій і диференціацією їх від реальних. Об’єктом дослідження є процес прогнозування чи оголошення є фейковим чи справжнім. В результаті виконання дипломної роботи було досліджено багато класифікаторів для передбачення справжніх та підроблених оголошень на роботу. На основі цих досліджень було побудовано систему, яка виявляє підроблені вакансій і диференціацією їх від реальних. Загальний обсяг роботи: 66 сторінок, 29 рисунків, 34 посилання. The work was carried out by the student of the KNSH-21 group, Khanas Mykhailo-Yuriy Romanovych. The topic is "Application of Machine Learning Methods for Predicting Genuine and Fake Job Postings." The work is aimed at obtaining a master's degree in the second-level higher education program "Artificial Intelligence Systems" with a specialization in "Computer Science." The objective of the master's thesis is to create and develop an implementation of a system that quickly processes job postings and identifies fake vacancies by differentiating them from real ones. The research object is the process of predicting whether a job posting is fake or genuine. As a result of the diploma work, various classifiers were studied for predicting genuine and fake job postings. Based on these studies, a system was built that detects fake vacancies and differentiates them from real ones. General scope of work: 66 pages, 29 figures, 34 references.