Кафедра штучного інтелекту та математичного моделювання
Permanent URI for this communityhttps://repository.lntu.edu.ua/handle/123456789/57
Browse
108 results
Search Results
Item type:methodologicalsupport.listelement.badge, Кваліфікаційна робота(Луцьк: ЛНТУ, 2026) Приходько, Олексій Сергійович; Вавринюк, Катерина ВасилівнаВидання містить методичні рекомендації до оформлення кваліфікаційної роботи, розкриває технологію навчально-наукової діяльності щодо написання кваліфікаційної роботи. Методичні вказівки можуть стати у нагоді усім тим, хто хоче підвищити культуру академічного письма в кваліфікаційній роботі.Item type:bachelortheses.listelement.badge, Методи машинного навчання у задачах регресійного аналізу та розробка інтелектуальної системи прогнозування(Луцьк: ЛНТУ, 2026) Лук'янов, Богдан ЛеонідовичКваліфікаційна робота складається зі вступу, чотирьох розділів, висновків та пропозицій, списку використаних джерел (18 найменувань) та додатків. Основний текст викладено на 35 сторінках. У роботі досліджено методи машинного навчання для задач регресійного аналізу – від лінійних параметричних моделей до ансамблів і нейронних мереж. На прикладі датасету California Housing, реалізовано та порівняно п'ять алгоритмів: Ridge-регресію, поліноміальну регресію, дерево рішень, XGBoost і багатошаровий перцептрон. За результатами 5-кратної кросвалідації та оцінювання на тестовій вибірці встановлено ієрархію якості моделей – найкращі показники продемонстрував XGBoost (RMSE = 0,4312, R² = 0,857 після оптимізації гіперпараметрів). Розроблено модульну інтелектуальну систему прогнозування з Pipeline-архітектурою, веб-інтерфейсом Streamlit.Item type:bachelortheses.listelement.badge, Дослідження та розробка методів автоматичної класифікації рентгенівських зображень для виявлення пневмонії(Луцьк: ЛНТУ, 2026) Перепич, Анна ОлексіївнаКваліфікаційна робота присвячена розробці та дослідженню методів комп'ютерного зору для автоматизованої діагностики захворювань легень за двовимірними рентгенівськими знімками. В процесі роботи проаналізовано масив даних COVID-19 Radiography Database (понад 21 тис. зображень). Виявлено проблему структурного міжкласового дисбалансу, для вирішення якої математично обґрунтовано використання макро-усередненої метрики повноти (Macro-Recall) та зваженої функції втрат багатокласової перехресної ентропії. Проведено порівняльний експериментальний аналіз базової згорткової нейронної мережі (CNN) та моделі на основі глибокої архітектури ResNet50 із застосуванням парадигми перенесення навчання. Для подолання проблеми «чорного ящика» успішно імплементовано алгоритм просторової локалізації Grad-CAM. Аналіз отриманих теплових карт підтвердив, що розроблена нейромережева система приймає рішення на основі релевантних просторових клінічних маркерів (вогнищ консолідації та зон «матового скла»). Одержані результати доводять високу предиктивну здатність розробленої системи та її придатність для використання у якості асистента підтримки прийняття медичних рішень.Item type:bachelortheses.listelement.badge, Методи машинного навчання для сегментації клієнтів та розробка системи формування персоналізованих пропозицій інтернет-магазину(Луцьк: ЛНТУ, 2026) Печончик, Надія РусланівнаУ кваліфікаційній роботі досліджено методи аналізу та кластеризації клієнтської бази інтернет-магазину з метою формування персоналізованих комерційних пропозицій. Об’єктом дослідження є процес сегментації клієнтів інтернет-магазину на основі транзакційних даних. Предметом дослідження є алгоритми кластеризації та методи машинного навчання, що застосовуються для виявлення груп клієнтів зі схожою поведінкою. В роботі проведено аналіз предметної галузі, розглянуто RFM-модель сегментації клієнтів, досліджено алгоритми k-Means, DBSCAN та ієрархічної кластеризації. Виконано попередню обробку даних, здійснено вибір оптимальних параметрів моделі та сформовано рекомендаційну систему для генерації персоналізованих пропозицій. Практична цінність роботи полягає у розробці програмного модуля сегментації клієнтів, який може бути інтегрований у систему управління інтернет-магазином для підвищення ефективності маркетингових кампаній та зростання показників конверсії.Item type:bachelortheses.listelement.badge, Аналіз та розробка методів підвищення роздільної здатності зображень на основі генеративних змагальних мереж(Луцьк: ЛНТУ, 2026) Поліщук, Роман ПетровичРобота присвячена дослідженню та програмній розробці методів машинного навчання для розв'язання задачі відновлення високочастотних деталей зображень (Single Image Super-Resolution). Проведено математичний аналіз проблеми деградації візуальних даних та обґрунтовано обмеження класичних лінійних алгоритмів. Розроблено та імплементовано мовою Python (з використанням фреймворку PyTorch) архітектуру генеративної змагальної мережі SRGAN. Для навчання використано глибоку залишкову мережу ResNet з оптимізацією складеної перцептивної функції втрат, що базується на вилученні ознак через мережу VGG-19. Експериментальне дослідження, проведене на наборі даних DIV2K, підтвердило високу ефективність розробленої системи. Досягнуто значного покращення кількісних метрик (PSNR = 23.40 дБ, SSIM = 0.785) порівняно з базовими методами. Візуальний аналіз засвідчив здатність моделі генерувати фотореалістичні текстури та усувати розмиття. Отримані результати можуть бути застосовані у системах комп'ютерного бачення, медичній діагностиці та аналізі супутникових знімків.Item type:bachelortheses.listelement.badge, Дослідження архітектури U-Net для семантичної сегментації супутникових знімків(Луцьк: ЛНТУ, 2026) Романік, Віталій МиколайовичКваліфікаційну роботу присвячено дослідженню та програмній імплементації згорткової нейронної мережі архітектури U-Net для автоматизованої семантичної сегментації просторових даних. У процесі дослідження формалізовано математичну постановку задачі піксельної класифікації в умовах екстремального дисбалансу класів. Розроблено конвеєр попередньої обробки даних, що включає розбиття зображень на фрагменти та інтенсивну стохастичну аугментацію. Для ефективної оптимізації ваг моделі імплементовано комбіновану функцію втрат (лінійна комбінація Binary Cross-Entropy та Dice Loss). Експериментальне дослідження проведено на мультиспектральних зображеннях з набору даних DeepGlobe Land Cover. Отримані кількісні результати оцінено за допомогою метрик просторового перекриття (IoU, Dice Coefficient, AUC-PR). На основі візуального зіставлення прогнозних масок виявлено явище семантичної неоднозначності еталонної розмітки: розроблена модель успішно локалізувала об'єкти рослинності (міські дерева, лісосмуги), які не були розмічені експертами через географічну таксономію датасету. Доведено, що архітектура U-Net володіє високою здатністю до вилучення просторово-спектральних ознак і є дієвим інструментом для автоматизованого аналізу даних дистанційного зондування Землі.Item type:bachelortheses.listelement.badge, Порівняння алгоритмічних стратегій торгівлі на основі стохастичних моделей часових рядів(Луцьк: ЛНТУ, 2026) Скиданюк, Ян ВікторовичItem type:bachelortheses.listelement.badge, Аналіз та розробка методів виявлення спаму та фішингу в електронній пошті з використанням обробки природної мови(Луцьк: ЛНТУ, 2026) Ткачук, Вадим МиколайовичКваліфікаційна робота присвячена розв'язанню актуальної задачі ідентифікації небажаної електронної кореспонденції за допомогою методів обробки природної мови (NLP) та машинного навчання. У роботі обґрунтовано доцільність переходу від класичних детермінованих систем фільтрації до адаптивних нейромережевих рішень. Сформовано та збалансовано унікальний масив даних обсягом 38 610 листів, що включає три класи: легітимні повідомлення, спам та фішинг. Розроблено автоматизований конвеєр попередньої обробки тексту, який реалізує токенізацію, видалення шуму та векторизацію (TF-IDF, Word Embeddings). Проведено експериментальне порівняння базових алгоритмів (Multinomial Naive Bayes, Logistic Regression) та глибокої нейронної мережі архітектури Bi-LSTM. Доведено, що класичні лінійні моделі схильні до перенавчання на специфічних лексичних маркерах через явище "зсуву даних". Встановлено, що оптимальним рішенням для виявлення складних соціально-інженерних фішингових атак є використання двонаправлених рекурентних мереж, здатних аналізувати семантичний контекст текстової послідовності. Розроблена модель Bi-LSTM досягла точності 99,79 % на валідаційній вибірці. Отримані результати мають високу практичну значущість і можуть бути інтегровані в сучасні системи корпоративної кібербезпеки.Item type:bachelortheses.listelement.badge, Дослідження та розробка системи рекомендацій товарів на основі колаборативної фільтрації та Spark MLlib(Луцьк: ЛНТУ, 2026) Томак, Акім ВолодимировичУ кваліфікаційній роботі досліджено методи побудови рекомендаційних систем на основі колаборативної фільтрації з метою підвищення якості персоналізації товарних рекомендацій у сфері електронної комерції. Об’єктом дослідження є процес формування персоналізованих рекомендацій товарів на основі взаємодії користувачів із системою. Предметом дослідження є алгоритми колаборативної фільтрації, методи матричної факторизації та технології машинного навчання, що використовуються для створення рекомендаційних систем. У роботі проведено аналіз предметної галузі та сучасних підходів до побудови рекомендаційних систем, розглянуто принципи роботи колаборативної фільтрації та алгоритму ALS. Досліджено методи обробки даних користувачів, виконано підготовку датасету та реалізовано модель рекомендаційної системи засобами Apache Spark MLlib. Проведено експерименти з оцінювання точності роботи моделі та аналіз ефективності сформованих рекомендацій.Item type:bachelortheses.listelement.badge, Розробка системи біометричної ідентифікації на основі аналізу зображень облич методами глибокого навчання(Луцьк: ЛНТУ, 2026) Шклянко, Віктор ОлександровичКваліфікаційна робота бакалавра присвячена розв'язанню задачі розробки та імплементації системи біометричної ідентифікації облич з використанням методів глибокого навчання та просторового аналізу даних. У роботі проведено математичне обґрунтування використання архітектури згорткової нейронної мережі Inception-ResNet-v1 для вилучення стійких ознак із зображень облич. Формалізовано процеси геометричного вирівнювання облич за ключовими антропометричними точками за допомогою каскадної моделі MTCNN. Реалізовано програмний комплекс мовою Python з використанням фреймворку PyTorch, що розв'язує задачу бінарної класифікації (верифікації) шляхом порівняння 512-вимірних векторів-дескрипторів на основі метрики косинусної схожості. Експериментальне дослідження на стандартизованому наборі даних LFW (Labeled Faces in the Wild) підтвердило високу ефективність розробленої математичної моделі. За результатами ROC-аналізу визначено оптимальний поріг класифікації. Система досягла точності (Accuracy) 96,00% при площі під кривою (AUC) 0,9924. Показник хибного допуску (FAR) становить 0,33%, що гарантує високу надійність захисту від несанкціонованого доступу.