Кафедра обчислювальної математики
Постійний URI для цього зібрання
Переглянути
Нові надходження
Зараз відображається 1 - 5 з 36
- ДокументПрогнозування результатів лікування раку методами машинного навчання(2023) Киричек Микола Павлович; Денисов Сергій ВікторовичМетою роботи є дослідження методів машинного навчання для прогнозування радіойодрезистентності раку щитоподібної залози та розробка програмного забезпечення. Об’єктом дослідження є діагностичні алгоритми для прогнозування радіойодрезистентності раку щитоподібної залози на основі методів градієнтного бустингу та нейронних мереж. У ході виконання роботи розглянуто декілька моделей прогнозування радіойодрезистентності раку щитоподібної залози, розроблено застосунок для програмного представлення задач прогнозування раку, виконано тестування програмного засобу на наборах даних реальних пацієнтів, проведене порівняння швидкодії та точності методів. Ключові слова : машинне навчання, препроцесинг даних, нейронна мережа, градієнтний бустинг, оптимізація гіперпараметрів, Optuna, MultI-Layer Perceptron, Light Gradient Boosted Machine.
- ДокументЗастосування інтерполяції для розв'язання прикладних задач(2023) Каспрова Ярослава Андріївна; Кашпур Олена ФедорівнаУ роботі були описані алгоритми методи інтерполяції операторів та побудови поверхонь та досліджена їх робота на різних задачах. За допомогою оберненої інтерполяції було розв’язано 3 задачі про наближення лінійних операторів у гільбертовому просторі. Досліджено ефективність апроксимації операторів за допомогою оберненої інтерполяції та з'ясовано, як змінюється точність розв'язку при збільшені кількості інтерполяційних вузлів та різних диференціальних операторах 𝐴 на конкретних прикладах. Розглянуто приклади побудови декількох поверхонь та досліджено, як змінюються розв'язки, якщо обирати різну кількість інтерполяційних вузлів. Ключові слова : обернена інтерполяція, ефективність апроксимації, інтерполяційні вузли.
- ДокументЗастосування апріорних оцінок в негативних нормах для дослідження коректності задачі Діріхле для інтегро-диференціального рівняння псевдопараболічного типу(2023) Андарал Анастасія Ігорівна; Анікушин Андрій ВалерійовичМета роботи - довести коректність постановки вказаної задачі засстосовуючи метод апріорних оцінок в негативних нормах. У ході дослідження було доведено апрiорнi оцiнки в негативних нормах для iнтегро-диференцiального оператора псевдопараболiчного типу та для спряженого оператора, обрунтовано коректнiсть поставленої задачi. У роботі представлено дослiдження щодо диференцiального псевдо-параболiчного рiвняння, наведено приклади його застосувань, наведено бiблiографiю, що стосується методики апрiорних нерiвностей в негативних нормах та її застосування до iнтегро-диференцiальних рiвнянь, а також представлено декiлька нових робiт, де розглядаються схожi постановки задачi. Розглянута постановка задачi та основнi позначення, доведено допомiжнi твердження та апрiорнi оцiнки для оператора задачi, сформульовано означення та теореми узагальненої розв'язностi. Ключові слова : псевдо-параболічне рівняння, iнтегро-диференцiальне рівняння, оператор Вольтерра, апріорні оцінки, узагальненоа розв'язність.
- ДокументДослідження алгоритмів розпізнавання звукових доріжок та визначення назви музичного твору по звуковій доріжці за допомогою технологій штучного інтелекту(2023) Залужний Юрій Андрійович; Денисов Сергій ВікторовичМетою роботи є порівняння ефективності двох зазначених моделей та створення додатку, що за записом відтворення музичного твору ідентифікує його та надає користувачеві його назву. Об’єктом дослідження є методи ідентифікації музичного твору за записом його відтворення. Було розглянуто два методи: порівняння відбитку запису відтворення з відомими відбитками та отримання та аналіз тексту з запису музичного твору. У роботі було розглянуто існуючі методи ідентифікації записів відтворення музичних творів, було порівняно 2 методи ідентифікації музичного твору: на основі відбитків відомих пісень та розпізнаванням тексту пісні у записі. Було реалізовано алгоритми створення та порівняння відбитків записів та нейронну мережу, що за послідовністю слів у записі визначає назву музичного твору за допомогою мови програмування Python та її фреймворків.
- ДокументДослідження легеневих аномалій шляхом використання машинного навчання(2023) Карпенко Аліса Юріївна; Голубєва Катерина МиколаївнаМета роботи — аналіз вже існуючих рішень для розпізнавання легеневих аномалій та практична реалізація деякого методу. Об’єкт дослідження — автоматизоване розпізнавання легеневих аномалій засобами машинного навчання. У ході виконання роботи було розглянуто технологію КТ-сканування, вигляд знімків та їх особливості, деякі ознаки наявності патологій і алгоритми машинного навчання, які дозволяють автоматизувати процес виявлення аномалій. Серед розглянутих алгоритмів були алгоритми, які як використовували глибоке навчання, так і ні. Серед алгоритмів глибокого навчання вивчалися згорткові нейронні мережі, які були розроблені для біомедичних цілей. Мережі є успішним засобом розпізнавання об’єктів на біомедичних зображеннях, що дозволяє їх використовувати для створення продуктів, які можна використовувати в реальних умовах. Для практичної реалізації було обрано N-Net. Її було реалізовано засобами мови Python. Ключові слова : рак легенів, КТ, машинне навчання, згорткові нейронні мережі, LUNA16, U-Net, N-Net.