Кафедра дослідження операцій
Постійний URI для цього зібрання
Переглянути
Нові надходження
Зараз відображається 1 - 5 з 26
- ДокументАналіз деяких алгоритмів біржевої торгівлі(2023) Астахов Максим Вячеславович; Самойленко Ігор ВалерійовичМетою дослідження є визначення найефективнішої моделі для прогнозування цін на наступну годину. У ході виконання роботи було розглянуто та побудовано декілька моделей прогнозування часових рядів. Для кожної з моделей було підібрано найкращу архітектуру серед розглянутих, для прогнозування ціни біткоіну на наступну годину. XGBoots модель показала результати гірші, за інші моделі, проте її тренування займає в рази менше часу та не потребує великих обчислювальних потужностей. Найкращий результат показала LSTM модель проте підбір архітектури для найкращого результату зайняв великий проміжок часу. Ключові слова : біткоїн, моделі прогнозування часових рядів, XGBoots модель, LSTM модель, архітектура.
- ДокументРестaврaцiя розфокусовaного зобрaження(2023) Нiколaєвa Оленa Володимирiвнa; Мaтвiєнко Володимир ТихоновичМетою роботи є реалiзацiя алгоритму для одновимiрної задачi оптимiзацiя реставрацiї розфокусованого зображення, розгляд iтерацiйних алгоритмiв та реалiзацiя додаткових методiв для покращення зображення та проведення експериментiв для майбутньої реалiзацiї навчання нейронних мереж для реставрацiї розфокусованих зображень та створити користувацький iнтерфейс для можливостi удосконалення реальних зображень, що вимагають бiльш детального вивчення та глибшого вiдновлення. У ході виконання роботи було реалiзовано два алгоритми для одновимiрної задачi оптимiзацiї (для розфокусованого зображення та для розфокусованого у русi). Експеременти показали: чим менше розмиття, тим краще вiдновлення за умови "видалення"лише розмиття. Якщо розмиття є сильним, то зображення вимагають додаткової обробки за допомогою додаткових алгоритмiв. Данi алгоритми є корисними для навчання нейроних мереж, що будуть спецiалiзуватися на реставрацiї зображень. Через iндивiдальнiсть у питаннi реставрацiї було реалiзовано алгоритм для багатопараметричної задачi реставрацiї зображень з користувацьким iнтерфейсом, де також був використаний метод деконволюцiї Вiнера та методи для поглинання шуму та артефактiв. Ключові слова : згортка, деконволюцiя, реставрацiя зображення, артефакти, розмиття, ядро розмиття, деконволюцiя Вiнера та Рiчардсона-Люсi.
- ДокументЧисельне моделювання процесу розповсюдження випромінювання в деформуючому середовищі(2021) Григорович Олександр Сергійович; Оноцький В’ячеслав ВалерійовичУ даній роботі розглядається функціювання системи, робота якої вивчається в умовах самозбурення. В моделі системи враховуються амплітудні та фазові ефекти, що приводить до дослідження комплексно-значних енергетичних полів.
- ДокументОптимальне визначення найкращого об’єкта при можливості закінчення «життя»(2021) Гагурін Євгеній Русланович; Закусило Олег КалениковичРезультат дослідження запропонованої проблеми полягає у знаходженні зв’язку між тим, що об’єкти мають період «життя» й визначенням ймовірності визначення найкращого серед усіх.
- ДокументТеорiя вiдновлення на деревах (початковi рiвнi)(2021) Шуляк Нiкiта Вiталiйович; Iксанов Олександр МаратовичГоловна iнтелектуальна цiннiсть даної роботи – отримання аналогiв класичних результатiв теорiї вiдновлення, а саме еле- ментарної теореми вiдновлення, теореми Блекуелла та ключо- вої теореми вiдновлення, для iтеративних збурених випадко- вих блукань. Встановленi у роботi результати сприяють кра- щому розумiнню того, як вiдбуваються народження в межах певного поколiння загального гiллястого процесу, породжено- го збуреним випадковим блуканням. Будучи вкрай цiкавим пи- танням для теорiї загальних гiллястих процесiв, ця iнформацiя також проливає свiтло на структуру рiвнiв деяких випадкових дерев (наприклад, випадкових рекурсивних дерев та бiнарно- го дерев пошуку), якi можна побудувати як родиннi дерева загальних гiллястих процесiв, зупинених у належнi випадковi моменти часу.