Факультет інформатики

Permanent URI for this community

https://ekmair.ukma.edu.ua/handle/123456789/17456

Browse

Now showing 1 - 20 of 954

3-D сегментація та візуалізація об'єктів на основі медичних зображень
(2020) Нгуєн, Сан Бинь; Бучко, Олена
Мета курсової роботи написати застосунок, на вхід якого подається набір медичних зображень, що являють собою 2D зрізи певної ділянки людського тіла, а на виході отримати модель, проекцію якої можна переглянути у 3D просторі. Були розглянуті стандартні алгоритми для побудови 3D-моделей та сегментації. Наведені методи покращення, оптимізації та виявлені певні недоліки наведених алгоритмів. Реалізація, тестування та дослідження основної частини програми були проведені за допомогою мови програмування Python та написаних під неї бібліотек. Для візуалізації отриманих 3D-моделей було додатково створено застосунок під операційну систему iOS з використанням методів доповненої реальності за допомогою бібліотеки ARKit. Оглянуто готові рішення.
3D-візуалізація об’єктів на основі медичних зображень
(2022) Першута, П.; Бучко, Олена
Метою даної курсової роботи є дослідження роботи алгоритмів побудови 3D-моделей на основі зрізів, отриманих в результаті томографії голови. Проведено аналіз актуальності теми та проаналізовано два алгоритми побудови 3D-зображень, а саме “крокуючі куби” та “крокуючі тетраедри”. Також було розглянуто алгоритми сегментації для покращення вихідної моделі. Реалізовано алгоритм “крокуючі куби” для отримання 3D-моделі на мові С++ з використанням бібліотеки OpenCV.
3D-візуалізація об’єктів на основі медичних зображень
(2022) Першута, П.; Бучко, Олена
Метою даної курсової роботи є дослідження роботи алгоритмів побудови 3D-моделей на основі зрізів, отриманих в результаті томографії голови. Проведено аналіз актуальності теми та проаналізовано два алгоритми побудови 3D-зображень, а саме "крокуючі куби" та "крокуючі тетраедри". Також було розглянуто алгоритми сегментації для покращення вихідної моделі. Реалізовано алгоритм "крокуючі куби" для отримання 3D-моделі на мові С++ з використанням бібліотеки OpenCV.
Active reinforcement learning for data-efficient digital twin calibration
(2026) Спiтковська, Владислава ; Кузьменко, Дмитро
Digital twin calibration often faces a critical problem: classical methods treat data collection and parameter fitting as independent stages, whereas informative observations may need to be actively generated under budget constraints. This makes purely passive approaches non-adaptive and poorly scalable in online calibration tasks. In this work, active digital twin calibration is formulated as a partially observable Markov decision process with hidden environment parameters and an explicit query budget. A unified framework is proposed that jointly optimises trajectory generation, parameter estimation, and query timing. The proposed pipeline consists of three components: a PPO-based controller that generates informationally rich trajectories through reward shaping, a GRUbased recurrent identifier that produces both a point estimate ^𝜃(𝑡) and an uncertainty signal 𝜎(𝑡), trained under a Gaussian negative log-likelihood loss, and a PPO calibration policy that makes binary oracle query decisions under a hard budget constraint. The main focus of this work is on the first two parts of the pipeline. The framework is evaluated on two environments of increasing complexity. In the Pendulum environment with a single parameter 𝜃, the GRU-only mode achieves a 96% error reduction compared to passive baselines without any oracle queries. The calibrator operating directly with the GRU achieves MAE(𝑔) = 0.00917 while staying within the predefined query budget. The second environment, WaterWorld, has three hidden parameters. The final GRU approximator achieves a mean normalised error of approximately 5% across all policies. Empirical studies show that a controller oriented toward environment exploration achieves approximately one-quarter lower identification error compared to a task-optimal but informationally passive controller. This supports the conclusion that policy selection and data quality are directly interdependent in active calibration settings.
Active Viewpoint Planning for Efficient 3D Reconstruction
(2026) Кононович, Софiя ; Кузьменко, Дмитро
Efficient data acquisition is a key factor in neural 3D reconstruction, where redundant viewpoints can increase computational cost without improving reconstruction quality. We propose a reinforcement learning-based active viewpoint policy that optimises image collection for NeRF reconstruction under a fixed sensing budget. The agent is trained to maximise scene coverage while penalising redundant observations and inefficient trajectories, and learns to terminate data collection as information gain saturates. Evaluated on indoor scenes from the Replica dataset, our method achieves 33.33 dB PSNR while reducing the number of views by 25% (from 80 to 60), with a proportional reduction in scene acquisition time. Under the same sensing budget, it outperforms a coverage-only policy (33.05 dB) and a heuristic baseline (18.79 dB). The learned policy generalises to unseen scenes without retraining. These results indicate that learned data acquisition can improve both efficiency and reconstruction quality as an upstream component of 3D pipelines.
AI-платформа для аналізу та прогнозування інвестиційної привабливості криптовалютних монет
(2026) Немилостива, Поліна ; Савченко, Тетяна
Дипломна робота присвячена розробці архітектури та програмного прототипу AI-платформи для аналізу та прогнозування інвестиційної привабливості криптовалют. У роботі обґрунтовано вибір LSTM-нейронної мережі з механізмом ковзного вікна для прогнозування цінових часових рядів та розроблено методологію багатокритеріального оцінювання на основі п'яти зважених компонентів — волатильності, тренду, обсягу торгівлі, ринкової капіталізації та технічних індикаторів. Реалізовано тришарову архітектуру платформи з чотирьох програмних модулів, інтегрованих через REST API на Flask. За результатами тестування підтверджено відповідність платформи визначеним вимогам та прийнятний рівень точності прогнозування. Ключові слова: криптовалюта, інвестиційна привабливість, LSTM, машинне навчання, технічний аналіз, часовий ряд, Flask, REST API.
AI-платформа для взаємодії військових, ветеранів і спільнот
(2026) Мельник, Марина ; Нагірна, Алла
Метою дослідження є розробка платформи для взаємодії військових, ветеранів та громадських спільнот з інтеграцією технологій штучного інтелекту.
Architectural approach in Software development. Research and technology stack decision
(2021) Кузьменко, Дмитро; Корнійчук, Максим
The topic of architectural approach in software engineering is chosen for the research in this work. The topic is undoubtedly relevant at the moment. The further we progress technologically, the more requirements are set for new projects centered around the software. Also, more projects are being created, more products are being designed, and more diversified approaches can be assessed and chosen for many different tasks. Domain research and technology stack decisions do play a vital role in the potential risk avoidance and success of the project. This work will comprise of different segments, such as the theoretical part of software development architectural approach - architectural patterns, different methodologies to the development itself, server and client sides of the application as necessary parts of any product, core solutions to the set tasks, and solutions to continuous integration and delivery - are to be explored, assessed, compared and explained; the practical part - in which the team project is evaluated, the development process inside the team is shown, and the general structure of the project, as well as the decision per every point mentioned in the theoretical part, is explained; the demo part - involves demonstration snapshots
Astronomical images quality assessment
(2025) Цвєткова, Анна; Швай, Надія
У цій кваліфікаційній роботі проведено комплексне дослідження сучасних методів безреференсної (NR-IQA) оцінки якості астрономічних зображень у контексті задачі автоматичного виявлення гравітаційних лінз. На відміну від традиційних підходів, що базуються на наявності ідеального еталонного зображення, зосереджено увагу на моделях, здатних відображати наукову значущість зображення без зразків — що є критично важливим у контексті реальних астрономічних спостережень, зокрема отриманих через open source проєкти. У першій частині роботи наведено теоретичні засади Image Quality Assessment (IQA) методів, включно з оглядом сучасних моделей: як класичних, так і глибоких нейронних мереж, з адаптацією до специфіки астрономічних даних (PSF, шум, FWHM, фонові варіації). Окрему увагу приділено методології трансферного навчання та використанню попередньо тренованих за допомогою Full Reference (FR) метрик моделей для оцінки зображень у реальному часі. Друга частина містить опис проведених експериментів: від побудови адаптивної системи зважування метрик (FWHM, SNR, ellipticity) до кореляційного аналізу між результатами моделей NR-IQA та ефективністю виявлення гравітаційних лінз. Також запропоновано власну гібридну метрику для оцінки якості, що узгоджується з візуальною експертизою астрономів, та показано її переваги у задачах відбору пріоритетних кандидатів для подальшого моделювання лінз. Результати роботи демонструють, що навіть за відсутності точної ground truth NR-IQA моделі можуть забезпечувати релевантні оцінки якості, корисні для автоматизованого аналізу великих масивів астрономічних зображень. Запропонований підхід дозволяє не лише фільтрувати спотворені дані, але й підвищити recall систем гравітаційного лінзування за рахунок покращення вхідної якості даних.
Astronomical images quality assessment
(2026) Цвєткова, Анна; Швай, Надія
У цій роботі проведено дослідження та порівняння сучасних методів повнореференсної, комбінованої та трансферної оцінки якості зображень у контексті задачі прогнозування користі астрономічного зображення для подальшої класифікації галактик на ньому. Дані трансферні методи дозволяють на етапі оцінювання нових зображень не використовувати жодних референсів/зразків, що є важливим у контексті реальних астрономічних спостережень, отриманих через open source проєкти. У першій частині роботи наведено теоретичні засади Image Quality Assessment (IQA) методів, включно з оглядом класичних методів та сучасних методів сприйняття на основі глибинних характеристик, з адаптацією до специфіки астрономічних даних (PSF, шум, FWHM, фонові варіації). Окрему увагу приділено методології трансферного навчання та використанню попередньо тренованих за допомогою повнореференсних (FR) метрик моделей для оцінки зображень у реальному часі. Друга частина містить опис проведених експериментів, від формування та попередньої обробки астрономічного датасету Euclid Q1 до розробки підходу машинного навчання з розумінням поставленого завдання моделлю (task-aware) до оцінки якості зображень для задачі класифікації галактик. Запропоновано власний метод побудови істинної мітки (true label), що поєднує впевненість класифікатора, рівень деградації та стабільність передбачень на аугментаціях. Порівняно ефективність класичних FR-IQA (SNR), NR-IQA (різкість) методів та обраної CNN моделі. Показано, що використання IQA фільтрації дозволяє суттєво підвищити ефективність класифікації та зменшити обчислювальні витрати при роботі з великими астрономічними даними. Результати роботи демонструють, що навіть невеликі сучасні архітектури моделей можуть забезпечувати релевантні оцінки якості, корисні для автоматизованого аналізу великих масивів астрономічних зображень. Фільтрування зображень з використанням методів машинного навчання (а саме глибокого навчання) краще вплинули на роботу класифікатора, ніж класичні методи оцінки якості. Запропонований data-centric підхід дозволив зменшити кількості помилок класифікації, спричинених низькою якістю даних, підвищити точність та надійність результатів класифікації за рахунок відбору якісних зображень.
Automated development environment using an agent-based approach and Model Context Protocol (MCP)
(2026) Matsevytyi, Andrii ; Kundik, Kyrylo
The primary goal of this work is to design and implement a scalable, locally deployable AI agent capable of executing end-to-end software development tasks on consumer-grade hardware.
Binary relations between binary operations
(2021) Bilyi, Illia; Козеренко, Сергій
Let Bin(X) be a collection of all groupoids on some non-empty set X. De ne the operation : Bin2(X) ! Bin(X) so that x( )y = (x y) (y x) for all x; y 2 X and (X; ); (X; ) 2 Bin(X). Let lz denote left-zero operation (8x; y 2 X : x lz y = x) on X. Then, (X; lz) is an identity of (Bin(X); ). Similarly, de ne right-zero rz 2 Bin(X) (8x; y 2 X : x rz y = y). We consider the center of (Bin(X); ) and represent its elements as graphs. Furthermore, we investigate distributivity from the left in Bin(X) and its interaction with -product. We show that the only operation that is left- distributive over all possible 2 Bin(X) is rz 2 Bin(X) and that any 2 Bin(X) is left-distributive over lz; rz 2 Bin(X).
Boolean network optimization by stochastic rewiring
(2024) Черевко, Крiстiна; Олійник, Богдана
This bachelor thesis introduces novel algorithms for the area minimization of Multi-Input And-Inverter Graphs (MAIGs) within the field of logic synthesis. The primary focus is on the implementation of a new method named "Boolean network optimization by stochastic rewiring". This approach significantly diverges from traditional techniques like algebraic factoring and AIG rewriting by adopting a global strategy to add and remove wires at various locations within the circuit. The method relies on a simple randomization strategy to produce structural variations in the AIGs. Additionally, the thesis formulates and proves a new criterion for acceptable fanins, which ensures valid insertions and deletions without compromising the functionality of the circuit. Experimental results validate the effectiveness of the proposed algorithm in optimizing benchmark circuits. This work is important as it addresses the growing demand for smaller, more efficient circuits in modern electronics, potentially reducing manufacturing costs and enhancing performance.
Coherence in the coupled oscillators for the case of financial time series
(2020) Марченко, Анастасія; Щестюк, Наталія
The analysis in natural science leads to spreading the ideas of chaos theory and non- linear dynamics to nancial mathematics and creating the new researches to consider similar models and procedures for nancial time series. Also, the irregular uctuations in these series are sometimes considered as an outcome from chaotic systems.[1] This can be used, for example, to forecast the value of an investment portfolio, which is the combination of di erent nancial assets, for example, stocks, bonds, cash. One of the ways to think about a successful portfolio is when the chosen equities have the high expected returns and synchronized in time for bottom moments.[2] Then the dynamics of these nancial assets can be described as oscillators connected in the network.
Combining machine learning with physical laws to solve inverse problems
(2026) Надєєв, Iлля ; Крюкова, Галина
This bachelor’s thesis investigates the use of neural-network-based methods for solving forward and inverse problems in dynamical systems. The work considers neural networks (NNs) and Physics-Informed Neural Networks (PINNs). The thesis provides a description of differential equations, inverse problems, and the theoretical foundations of Physics-Informed Neural Networks. The practical part considers Euler’s planar two-fixed-centers problem as a model dynamical system for studying forward and inverse PINN formulations. Numerical experiments are conducted for both forward trajectory reconstruction and inverse parameter recovery.
Comparative Analysis of Development Environments for UAV Software Development
(2025) Budilova, Sofiia; Kurochkin, Andrew
Unmanned aerial vehicles are in demand nowadays due to their ability to perform various tasks, both military and civilian, without the involvement of humans. The UAV simulators (UAV algorithm development environments) have a great value at the present day since they present a way to test all the new UAV algorithms that are spreading more and more finding real-world applications across various disciplines. A plethora of simulators already exist. All of them have their own advantages and disadvantages. This presents difficulties for developers to opt for the most suitable one to meet their requirements. This paper reviews the most popular UAV simulators. It also provides statistics regarding the amount of papers in general and throughout the years related to simulators and also to flight control software (e.g., ArduPilot). This provides the opportunity to observe tendencies in UAV simulation technologies. Subsequently, research was conducted to analyze scenes (usually called worlds) of the most popular and robust simulator, namely Gazebo, that are available open-source online. тA list of them is provided in this thesis. Eventually, a research gap was found, namely a shortage of Gazebo worlds containing moving objects. A new world with a moving car was created and might be used, for example, for the testing of the UAV object-tracking algorithms.
Creation and distribution of the commercial project
(2020) Гончар, Андрій; Ющенко, Юрій
In this coursework the basic lifespan of a startup or a regular project are described. Specific situations, which come up during building and managing the team are explained. There is also a description of the work done to create the app “Quarantine” . The idea of this app is just a fun for the users and money income for the developers from the adds banners inside the app. The preparations done before launching the app are also described below. All the paragraphs describe the real experience gained by the author during the “Quarantine” project.
Creation of an atomic cross-chain escrow, which supports EVM, Solana and TON
(2025) Rastiehaiev, Volodymyr; Gorokhovskyi, Kyrylo
This paper presents the design, development, and evaluation of an atomic cross-chain escrow system facilitating secure, trustless asset transfers between Ethereum Virtual Machine compatible blockchains, Solana, and The Open Network. Driven by the increasing fragmentation of the blockchain ecosystem and the demand for seamless cross-chain interoperability, this work addresses the limitations of centralized intermediaries and existing bridge solutions. The research involved identifying key challenges in atomic cross-chain escrow development, including differing blockchain architectures and HTLC concept and its core principles. As a core contribution, three distinct smart contracts were engineered, one for each target blockchain (EVM, Solana, and TON), to enable a hash-time-locked escrow mechanism. The developed contracts were evaluated for security and efficiency, demonstrating the feasibility of achieving guaranteed fund delivery or refund across these disparate networks without reliance on a trusted third party.
Cтворення мультипідписного криптовалютного гаманця на основі блокчейну Aptos
(2026) Квятковський, Андрій ; Гороховський, Кирило
Ця робота присвячена реалізації смартконтракту мультипідписного криптовалютного гаманця для блокчейну Aptos, а також веб-платформи для користування цим гаманцем. Функціонал застосунку «Antos» включає створення мультпідписних криптовалютних гаманців, присвоєння їм унікальних параметрів, що визначатимуть механіку їх роботи, запрошення інших користувачів до гаманця, доєднання до публічних благодійних гаманців, ініціація та проведення транзакцій, підписання транзакцій тощо. Рівень клієнта реалізований за допомогою бандлера Vite та веб-фреймворка React. Рівень сервера в основному реалізований за допомогою модулів, написаний на мові Move, розміщених на блокчейні Aptos. Додатково використовуються реляційна БД PostпreSQL та сервер на Express.
Decoding Speech from ECoG with Machine Translation Models
(2023) Burakov, Roman; Shvai, Nadyia; Wang, Bo
This paper explores the use and improvement of brain-computer interface (BCI)- based speech neuroprostheses, devices designed to enhance communication for individuals with speech disorders. Focusing on the machine learning aspect, we address the existing challenges associated with these systems, such as the limited vocabulary and simple algorithms of previous research and the individual variances in electrode implantation sites. Our approach reframes the decoding of speech from BCI as a machine translation problem and employs existing language models for semantic knowledge transfer. This research provides an extensive analysis of current neural speech decoding and multilingual neural machine translation methods, adapts the pre-existing M2M100 neural machine translation model for decoding ECoG data into text, and introduces a state-of-the-art model for neural speech decoding that improves upon current methods in semantic text reconstructions.

Browse

Browsing Факультет інформатики by Title

Results Per Page

Sort Options