113 Прикладна математика

Permanent URI for this collection

https://ekmair.ukma.edu.ua/handle/123456789/18193

Освітньо-наукова програма: Прикладна математика

Browse

Now showing 1 - 20 of 51

Перенесення адаптивної анонімізації у контексті класифікації зображень
(2024) Абашкін, Олександр; Кашпіровський, Олексій
Мета дослідження у теоретичному вивченні та експериментальному обґрунтуванні переносимості адаптивної анонімізації в контексті класифікації зображень.
Ціноутворення опціонів на дробовому фінансовому ринку
(2024) Гуцало, Анастасія; Щестюк, Наталія
Метою роботи є застосування субдифузійної моделі із зворотним Гаусівским субординатором до реальних фінансових даних.
Пiдвищення чутливостi статистичних онлайн експериментiв за допомогою моделювання неоднорiдностi популяцiї
(2024) Білінський, Павло; Крюкова, Галина
Розроблений метод CUPED-TF є ефективним розширенням стандартного методу CUPED та може мати широке застосування для зменшення дисперсiї при проведеннi контрольованих онлайн- експериментiв. Окрiм того, метод надає засоби для дослiдження особливостей розподiлу користувачiв за текстовою ознакою, котра є джерелом важливого продуктового знання.
Прогнозна цiноутворююча модель для товарiв з холодним стартом
(2024) Величко, Ростислав; Дрiнь, Свiтлана
Метою квалiфiкацiйної роботи є прогнозування цiни на новi товари, тобто без iсторiї продажiв на основi цiн сусiднiх схожих товарiв.
Моделювання детермiнованого хаосу засобами обчислювального експерименту
(2024) Герасимчук, Дарія; Авраменко, Ольга
Мета дослідження: експериментально перевірити властивості динамічних систем з детермінованим хаосом комп’ютерними засобами.
Отримання представлень зображень з урахуванням тексту для задачі пошуку номерних знаків
(2024) Кольчик, Микита; Швай, Надія
В даній роботі було розглянуто використані архітектури нейронних мереж, які використовувалися для імплементації алгоритму пошуку номерних знаків за текстовим запитом.
Схема розподілу секретних ключів криптосистеми Голдвассер-Голдріха-Халеві
(2024) Ліхачов, Артемій; Олійник, Богдана
Мета дослідження - побудова нової схеми розподілу секрету, що базується на складній задачі на решітках.
Iтерацiйний пiдхiд до необумовленого оптимального вибору для певної категорiї в роздрiбнiй торгiвлi
(2024) Мироненко, Роман; Дрiнь, Свiтлана
У данiй роботi ми розглядаємо сучаснi методи оптимiзацiї попиту для групи товарiв та дослiджуємо iтерацiйний пiдхiд для знаходження оптимальної кiлькостi товарiв у певної заданої категорiї.
Передбачувальна аналітика в медицині
(2024) Фісун, Єлизавета; Крюкова, Галина
За мету даної роботи було поставлено показати особливості моделювання в медицині та відмінності від іншої області застосування, наприклад веб-аналітики та розробити класифікатор для даних експресії генів по Ангельман синдрому.
Development of the system for plagiarism checking of Ukrainian texts
(2022) Bikchentaev, Mykola; Hlybovets, Andrii
So, the aim of this work is to review two machine learning models called BERT and Word2Vec, determine how can they be used in plagiarism detection, and develop an application where users can check texts for plagiarism.
Нейронні мережі на графах
(2022) Гапоненко, Владислав; Козеренко, Сергій
Метою роботи є дослідження та опис нейронних мереж на графах та підходів до розв’язку задач за їх допомогою. Мета завдання зумовила наступне наукове завдання: 1. Дослідити задачі, що розв’язуються за допомогою нейронних мереж на графах. 2. Проаналізувати структуру різних видів нейронних мереж на графах. 3. Порівняти успішність різних видів нейронних мереж на графах в контексті проаналізованих задач.
Adversarial robustness and attacks in Deep Learning
(2022) Кузьменко, Дмитро; Швай, Надія
The theoretical underpinnings for this field involve the notions of robustness and astuteness, local Lipschitzness, r-separability of datasets, robustness-accuracy tradeoff, and L-inf distance. This work will cover all the preliminaries, explain the choice of CIFAR-10 with L-inf metric space and eps=8/255 as a main dataset for the task, make use of already well-known attacks and defenses, introduce new ones, and try different ensembles on the 3 most robust models available on the benchmark – Adversarial Weight Perturbation, Augmentations and weight averaging, and Self-COnsistent Robust Error (SCORE-based model).
Функції активації в архітектурі нейронних мереж
(2022) Мокрий, Михайло; Швай, Надія
Курсова робота присвячена дослідженню використання функцій активації в архітектурах нейроних мереж. Для практичної частини роботи була використана мова програмування Python, середовище розробки Google Colab, а також бібліотека Tensorflow.
Cемантична сегментація зображень з використанням Transformer архітектури
(2022) Іванюк-Скульський, Богдан; Швай, Надія
In this work we have presented a model that efficiently balances between local representations obtained by convolution blocks and a global representations obtained by transformer blocks. Proposed model outperforms, previously, standard decoder architecture DeepLabV3 by at least 1% Jaccard index with smaller number of parameters. In the best case this improvement is of 7%. As part of our future work we plan to experiment with (1) MS COCO dataset pretraining (2) hyperparameters search.
Семантичний пошук на основі представлень, отриманих за допомогою нейронних мереж
(2022) Крошин, Олександр; Швай, Надія
Магістерська робота присвячена задачі семантичного пошуку, зокрема, задачі ранжування документів за запитами користувачів. В роботі розглядається розв’язок задачі ранжування за допомогою нейронних мереж архітектури GPT-3. В роботі пропонується розв’язувати цю задачу за допомогою імплементації GPT-3 під назвою OPT. Розглядаються різні варіанти розв’язку задачі без додаткового тренування, зокрема, використання різних форматів вхідних текстів. В роботі пропонується модель Cross-Encoder на основі OPT, що демонструє кращі результати роботи на прийнятих в індустрії тестах в порівнянні з існуючими рішеннями, що вважаються стандартами. Розглядаються експерименти з дистиляцією моделей OPT задля подальшого покращення їхніх результатів в задачах семантичного пошуку. Робота складається з трьох розділів. Перший, теоретичний розділ присвячений постановці задачі ранжування, огляду існуючих метрик та класичних підходів. Другий розділ описує використання нейронних мереж в задачі ранжування а також демонструє рішення, побудовані на базі моделей архітектури GPT-3. Третій, практичний розділ присвячений побудові та тренуванню Cross-Encoder на основі моделей OPT, експериментам з дистиляцією моделей та обробці результатів. Результати експериментів демонструються у висновку.
Гібридизація згорткових нейронних мереж та традиційних дескрипторів ознак
(2022) Миколайчик, Ярослав; Швай, Надія
В даній роботі було досліджено гібридизацію, а саме поєднання переваг, згорткових нейронних мереж з традиційними дескрипторами ознак SIFT та HOG. Для дескриптора HOG було запропоновано новий метод гібридизації зі згортковою нейронною мережею. Було запрограмовано дві згорткові мережі, різні за складністю, і для кожної утворено гібриди HOG та SIFT, після чого створені моделі протестували на двох наборах даних зображень і порівняли результати між собою. Під час експериментів гібрид SIFT показав найкращу точність в обох моделях, але був дуже повільним, особливо на більш складній архітектурі моделі. Гібрид HOG показав кращу точність у порівнянні зі звичайною моделлю у простішому варіанті архітектури, але призвів до погіршення результатів у більш складній архітектурі.
Розширення можливостей Paint Transformer з генеруванням мазків пензля за допомогою GAN
(2022) Поляков, Михайло; Швай, Надія
Neural painting produces a sequence of strokes for a given image and artistically recreates it using neural networks. In this thesis, we explore a novel Transformer-based framework named Paint Transformer to predict the parameters of a stroke set with a feed-forward neural network. Paint Transformer achieves better painting results than previous methods with more inexpensive training and inference costs. The thesis proposes a novel extension to Paint Transformer that adds more complex GAN-generated strokes to achieve a more artistically abstract painting style than the original method.
Переклад зображення в зображення на прикладі архітектури Pix2Pix GAN
(2022) Процик, Олексій; Швай, Надія
In this master’s thesis, the use of an architecture spinning off pix2pix GAN is being investigated for image-to-image translation, transforming segmentation maps into real images. Thesis is split up into several sections: introduction, two sections covering theoretical background, and analysis and conclusion. The first section is the theoretical background, which provides a background on how neural networks and generative adversarial networks work, necessary definitions, and explanations of all the essential components. The second section is the experiments and analysis section, where the dataset is presented, all the experiment parameters and runs, logs, evaluation, and comparison of the novel approach of using CLIP as a loss for image-to-image translation with previous methods on a complex dataset. In conclusion, all the experiments and their results are summarized. In the literature list is all the used literature.
Активне навчання у задачі виявлення об’єктів
(2022) Ронська, Дарина; Швай, Надія
Active Learning allows to spend less time on data labeling which is vastly beneficial in Computer Vision with continuously growing number of datasets and its images. It is achieved by smarter strategy than random one to queue the images for labeling that allows to give most informative images to the model first. In this work state-of-the-art Multiple Instance Active Learning for Object Detection (MI-AOD) method is improved by the changes in its uncertainty function which corresponds for informativeness of the image. Also, the statement of MI-AOD authors about its usage for noisy images filtering is proved.
Object feature extraction for YOLO detectors
(2023) Абашкін, Олександр; Швай, Надія
The main goal of the research: To create an architecture that can surpass in quality and speed the solutions of that time such as the deformable part models (DPM) that were using the sliding window approach where the classifier is used for each evenly spaced location, and a the R-CNN that were using a network for generation potential bounding boxes and as a second stage applies a classifier on this regions.

Browse

Recent Submissions