Факультет робототехніки та штучного інтелекту
Постійне посилання на фондhttps://repository.lntu.edu.ua/handle/123456789/3434
Переглянути
4 результатів
Результати пошуку
Item type:Наукова стаття, Формування навчальних IQ-вибірок для систем автоматичної класифікації модуляції в умовах некооперативного радіоприймання(Луцьк: ЛНТУ, 2026-05-29) Бобров, Сергій Ігорович; Якимчук, Наталія Миколаївна; Євсюк, Микола МиколайовичУ роботі досліджено проблему доменно-розподільчої невідповідності між синтетичними та реальними IQ-сигналами в задачах автоматичної класифікаціїмодуляції для систем радіорозвідки та аналізу каналів зв’язку безпілотних літальних апаратів. Показано, що використання класичних синтетичних підходів не забезпечує необхідної узагальнювальної здатності нейромережевих моделей у реальних умовах радіоприймання через неврахування комплексної дії канальних, апаратних, динамічних та інтерференційних спотворень. Запропоновано модель доменно-розподільчої невідповідності IQ-сигналів як багатовимірного статистичного розходження між синтетичним та реальним доменами. Розроблено інтегральний показник доменної невідповідності, який дозволяє кількісно оцінювати ступінь статистичного розходження між навчальними та цільовими сигналами. Запропоновано фізично обґрунтований метод формування квазіреальних IQ-вибірок, що реалізує послідовний перехід від ідеалізованого сигналу до фізично спотвореного та квазіреального домену. Для статистичного уточнення домену використано умовну генеративно-конкуруючу мережу CGAN. На відміну від традиційних GAN- підходів, CGAN застосовується не для збільшення обсягу даних, а для наближення статистичних характеристик синтетичних сигналів до реального радіодомену. Введено поняття доменно-орієнтоване CGAN навчання, за якого дискримінатор оцінює не лише належність сигналу до класу real/fake, а й ступінь його відповідності статистичній структурі реального радіоефіру. Для експериментальної перевірки сформовано 11 наборів IQ-сигналів із поступовим ускладненням умов приймання. Результати навчання ResNet моделей підтвердили, що використання фізично спотворених сигналів разом з доменною адаптацією забезпечує зменшення доменного розриву й підвищення точності класифікації в реальному домені.Item type:Наукова стаття, Нейромережеве виявлення та детектування фазо- і частотно-модульованих сигналів у вузькосмугових радіоканалах(Луцьк: ЛНТУ, 2026-03-28) Лисецький, Юрій Михайлович; Бобров, Сергій Ігорович; Якимчук, Наталія Миколаївна; Німич, Олексій ВіталійовичУ статті розглянуто нейромережевий підхід до виявлення та детектування фазо- і частотно-модульованих сигналів у вузькосмугових радіоканалах за умов адитивного шуму та зсуву несучої частоти. Актуальність дослідження зумовлена обмеженнями класичних алгоритмів детектування, зокрема фазових автопідлаштовувальних петель і фільтраційних методів, ефективність яких істотно знижується за відсутності апріорної інформації про параметри сигналу та каналу. Запропоновано метод спільного нейромережевого виявлення і детектування, що базується на безпосередньому аналізі IQ-вибірок прийнятого сигналу без реалізації явних процедур синхронізації. Як модель обробки використано багатошаровий перцептрон, навчений на синтетичних вибірках, сформованих для широкого діапазону відношень сигнал/шум і значень зсуву несучої частоти. Проведено порівняльний аналіз запропонованого методу з класичними підходами, зокрема схемою Костаса та двосмуговою фільтрацією, за однакових умов моделювання. Результати чисельних експериментів підтверджують підвищення точності виявлення та детектування фазо- і частотно-модульованих сигналів, а також зменшення чутливості до зсуву несучої частоти в умовах низького відношення сигнал/шум. Отримані результати свідчать про доцільність застосування нейромережевих методів у некооперативних радіосистемах і задачах автоматизованого радіомоніторингуItem type:Кваліфікаційна робота магістра, Аналіз та розробка алгоритмів для інтерпретованих нейронних мереж із використанням методів теорії інформації(Луцьк: ЛНТУ, 2025-12-30) Вавринюк, Володимир ВасильовичКваліфікаційна робота магістра складається з вступу, трьох розділів, висновків і пропозицій, списку використаних джерел, додатків. У роботі досліджено проблему інтерпретованості моделей глибокого навчання та застосування методів теорії інформації для аналізу їхньої внутрішньої динаміки. Обґрунтовано використання принципу information bottleneck для відстеження еволюції стиснення та передачі інформації між шарами. Розроблено та програмно реалізовано алгоритм оцінки взаємної інформації з використанням функції активації tanh для дискретизації, що забезпечує лінійну обчислювальну складність та чисельну стабільність. Створено програмний модуль мовою Python, який візуалізує траєкторії навчання на «інформаційній площині». Експериментальна перевірка проведена на наборах даних MNIST та CIFAR-10.Item type:Кваліфікаційна робота магістра, Шумік А. О. Система розпізнавання голосових команд на базі Raspberry P i(Луцьк: ЛНТУ, 2025-12-30) Шумік, Андрій ОлександровичКваліфікаційна робота магістра складається з вступу, чотирьох розділів, висновків, переліку використаних джерел та додатків. У роботі розглянуто питання побудови системи розпізнавання голосових команд на основі одноплатного комп’ютера Raspberry Pi 4. Проведено аналіз сучасних підходів до обробки мовленнєвих сигналів, досліджено архітектуру ARM та технічні характеристики Raspberry Pi 4, визначено алгоритми виділення мел-частотних кепстральних коефіцієнтів та моделі машинного навчання для класифікації команд. Розроблено архітектуру системи з детектором ключового слова, обґрунтовано вибір апаратного забезпечення та програмних засобів. Проведено тестування роботи системи, оцінено точність розпізнавання, продуктивність та енергоефективність. Наведено рекомендації щодо оптимізації системи.