124 Системний аналіз
Permanent URI for this collection
Освітньо-наукова програма: Системний аналіз
Browse
Recent Submissions
- ItemАналіз схем розподілу секрету(2021) Степанюк, Станіслав; Олійник, Б.В.В даній магістерській роботі проводилось дослідження та аналіз різноманітних систем розподілення секрету. Вона складається зі вступу, п’яти розділів, висновків та переліку використаної літератури. У першому розділі розглядається загальна схема розподілу секрету. У другому розділі даються необхідні означення. Цей розділ містить також важливу інформацію про основи та принципи роботи схем, а також їх основні складові. У третьому розділі розглядаються безпосередньо приклади схем. В четвертому розділі наводиться пропозиція реалізації ускладненої схеми Шаміра для підвищення безпеки. В останньому п'ятому розділі надається пропозиція нового алгоритму розподілу секрету. У висновках підбивається підсумок проведених досліджень та отриманих результатів. У переліку використаної літератури містяться джерела, які використовувалися при дослідженнях.
- ItemСистеми підтримки рішень при класифікації об’єктів(2021) Коваленко, Руслан; Чорней, Р. К.Мета роботи: систематизація та кластеризація продуктів із різних інтернет-платформ на основі неконтрольованої відповідності (unsupervised matching) та метричного способу. В розділі 1 проведено аналіз та підготовку даних, досліджено та сформовано семантичні правила для визначення міри важливості токенів. В розділі 2 спроектовано числову оціночну функцію, яка дозволяє на базі параметрів, таких як, частота використання токенів, довжини, відстані від початку назви товарів, а також “гарячих токенів”, визначених за правилами, описаними в першому розділі. Це дозволяє впорядкувати комбінації токенів в межах однієї назви товару, разом з тим, визначити комбінацію, яка найкраще представляє даних продукт. На базі цієї інформації, ми сформували первинні кластери. В розділі 3 проведено верифікацію побудованих первинних кластерів в 2 розділі, враховуючи підтримувальні правила, сформованих задля відхилень від початкової задачі. В результаті отримали алгоритм, який здатний кластеризувати товари незалежно від семантичної складності формулювання назви. А також, верифікувати, і разом з тим, реструктуризувати кластери у випадку неявних відхилень під час їх побудови.
- ItemСтохастичні ігри на графах(2021) Бутовський, Владислав; Чорней, Р. К.Мета роботи – знаходження оптимальних стратегій в стохастичних іграх на графі з двома коаліціями та нульовою сумою. Об’єктом дослідження є багатокрокова стохастична гра на графі, яка складається зі скінченної кількості гравців та двох коаліцій. Предметом дослідження є стратегії керування коаліційною грою на графі. Методами дослідження є методи теорії керування, теорії випадкових процесів, метод простих ітерацій.
- ItemЗастосування прихованих марковських моделей до розв’язання задачі розпізнавання акордів(2021) Андрущак, Григорій; Чорней, Р. К.Мета дослідження: розпізнавання музичних акордів в музичних аудіофайлах. Методи дослідження: швидке перетворення Фур'є, приховані марковські моделі. Практичне значення роботи: розроблений програмний застосунок дозволяє визначити послідовність акордів в музичних аудіофайлах. Робота складається зі вступу, шести розділів, висновку, списку літератури та додатків. У першому розділі описується загальна інформація про дослідження та обробку музики. У другому розділі роботи досліджується теорія музики та її представлення. Третій розділ присвячено розпізнаванню нот та акордів. У четвертому розділі описуються методи пошуку початку та кінця акорду в аудіофайлі. У п’ятому розділі описується метод створення спостережуваних станів системи. У шостому розділі описується створення прихованих станів моделі та їх застосування. Загальний обсяг роботи становить 24 сторінки. Робота містить 11 рисунків та 9 додатків. Список використаної літератури налічує 7 найменувань.
- ItemФункція втрат у задачах класифікації зображень з малою навчальною вибіркою(2021) Судорженко, Анна; Швай, НадіяЗа мету даної роботи було поставлено дослідження існуючих функцій втрат та аналіз їх впливу на точність моделі у задачі класифікації зображень з малою навчальною вибіркою. Використання аналізу впливу функції втрат на точність моделі дозволяє отримати додатковий інструмент для покращення якості розпізнавання об’єктів. Робота складається з двох розділів. Перший розділ присвячується аналізу задачі класифікації зображень та дослідженню існуючих функцій втрат для бінарних та категоріальних задач класифікації. У другому розділі наведено результати аналізу впливу обраних функцій витрат на точність задачі класифікації, що навчена на трьох різних малих навчальних вибірках.
- «
- 1 (current)
- 2
- 3
- »