Кафедра програмних систем і технологій
Постійний URI для цього зібрання
Переглянути
Нові надходження
Зараз відображається 1 - 5 з 97
- ДокументПрограмне забезпечення процесуального генерування відкритого світу в ігрових додатках(2022) Мірошник Олексій Павлович; Курченко О. А.У ході виконання роботи вивчено можливість процедурного генерування цікавих місцевостей та оптимізацію візуалізації у воксельних іграх. У розділі дизайну проекту було визначено три основні компоненти проекту : воксельний двигун, генерація місцевості та оптимізація рендерингу. Генерація місцевості була реалізована за допомогою шумових функцій, пов'язаних між собою для створення різноманітних місцевостей. Спочатку створюється карта висоти, яка використовується разом з додатковими шумовими функціями для обчислення блоків місцевості, розміщених у світі. Додаткові кроки в процесі генерації місцевості додають дерева та воду. Для ефективного розміщення та руйнування блоків у світі була використана техніка випромінювання променів. Також було отримано новий алгоритм оптимізації, який був побудований на алгоритмах occlusion culling та frustum culling. Основним нововведенням було використання цих алгоритмів у програмному продукті для отримання більш швидкої генерації воксельних світів. Ключові слова : оксельний двигун, генерація місцевості, оптимізація рендерингу, алгоритм оптимізації.
- ДокументСинтез архітектури контролю доступу для багатоклієнтських хмарних систем(2022) Згура Назар Анатолійович; Порєв Геннадій ВолодимировичЗ метою синтезу архітектури контролю доступу для багатоклієнтської хмарної системи було розглянуто існуючі моделі, на основі яких розроблено результуючу модель. Синтезована архітектура враховує специфіку багатоклієнтських хмарних систем та покликана спростити процес побудови складних процесів контролю доступу та поєднання політик різних сторін. Прототип запропонованої в результатах кваліфікаційної роботи архітектури був реалізований в рамках проходження виробничої практики на підприємстві ТОВ “Вейвексес” та інтегрований з існуючою багатоклієнтською хмарною системою. За результатами роботи сформовано Software Architecture Document Ключові слова: хмарна система, багатоклієнтська система, контроль доступу, хмарне середовище azure, політики доступу.
- ДокументПрограмно-апаратна система «Інтелектуальний сейф»(2022) Радченко Микита Андрійович; Меркулова Катерина ВолодимирівнаРозроблено програмну систему, що дозволяє зберігати, видаляти, змінювати інформацію про наявні в системі камери схову, бронювати їх та керувати доступом до них з можливістю автентифікуватись за фотографією обличчя. Для розробки вікористовувалися: Ruby 2.6.0, Ruby on Rails 5.2.3, PostgresQL 12.2, Vue.js 2.0, RapberryPI 3, Heroku, Keras, Tensorflow.
- ДокументАдаптивна система корекції вад мови в реальному часі(2022) Пелипенко Ілля Григорович; Порєв Геннадій ВолодимировичРозглянуто основні поняття та здійснили огляд звуку у цифровому представленні. Порівняно характеристики звуку та їх вплив на машине навчання на кореляцію із заїканням. Проаналізовано та порівняно методи які вирішують проблему класифікації звуку. Вибравши найкращий метод класифікації ми дослідили структуру згорткової моделі нейронної мережі, та її модифікацію із рекурентними шарами. Після аналізу та поставленні експериментів над гіперпараметрами, ми досягли точності класифікації у 93 відсотка. Це також потребувало експериментів над пропорцією та розмірністтю даних для навчання. Найкращий результат показав датасет із сегментів по одній секунді та пропорцією із 25% заїкання та 75% мови без заїкання. Модель яку ми розробили, ми порівняли із іншими відомими моделями класифікації звуку, такими як SVM, CNN, HMM та RNN. Наша модель показала найкращі результати. Отримавши модель яка може розпізнавати заїкання у вигляді повторення звуків, ми спроектували на розробили програму, яка використовує цю модель для розпізнавання звуку у реальному часі.
- ДокументІдентифікація голосу диктора(2022) Сиpoїд Стaнiслaв Oлегoвич; Ковалюк Тетяна ВолодимирівнаУ poбoтi poзглядaються piзнi iснуючi пiдхoди дo виpiшення зaдaчi iдентифiкaцiї зa гoлoсoм, клaсифiкaцiя piзних типiв бioметpичнoї iдентифiкaцiї, метoди мaшиннoгo нaвчaння для iдентифiкaцiї, щo викopистoвуються, iснуючi гoтoвi системи тa piшення нa pинку, зaтpебувaнiсть системи гoлoсoвoї iдентифiкaцiї нa pинку бioметpичних систем iдентифiкaцiї. У poбoтi нaвoдиться oпис poзpoбленoгo метoду iдентифiкaцiї мoвця, етaпи oбpoбки aудioфaйлу тa спoсoбу пpедстaвлення гoлoсу у виглядi oзнaк вектopa. Тaкoж у poбoтi дaється oпис poзpoбки системи, вибip дoпoмiжних бiблioтек тa мoдулiв для poзpoбки, oпис pеaлiзoвaних функцiй. Нaвoдяться pезультaти експеpиментaльних дoслiджень poбoти pеaлiзoвaнoї системи iдентифiкaцiї диктopa oцiнюється вплив apхiтектуpи мoделi нa якiсть poбoти. Пiсля цьoгo пiдбивaються пiдсумки пpoведенoї poбoти з кopoтким oписoм pезультaтiв пo кoжнoму poздiлу. Пpoдуктивнiсть системи пoкaзaлa сеpеднiй piвень poзпiзнaвaння 77% для вислoвлювaнь iз 5 слiв i 43% для дoвжини кiлькiсть вислoвлювaнь булo збiльшенo дo 20-слiвних вислoвлювaнь для випaдкiв нaвчених мoвленнєвих вислoвлювaнь. З невiдoмим вислoвлювaнь, piвень poзпiзнaвaння 18% дoсягнутo для вислoвлювaнь з 20 слiв. Пpoгpaмне зaбезпечення pеaлiзoвaнo мoвoю Python тa пpи викopистaннi зaгaльнoдoступних фpеймвopкiв. У дaнiй poбoтi викopистoвується глибoке нaвчaння, бiбoлтеки Numpy, TensorFlow ,Keras. Нaбip гoлoсивих дaних склaдaється з 4040 wav фaйлiв. Гoлoсoвi зaписи булo oтpимaнo з вiдкpитих бiблioтек : Audio MNIST, CHIME- Home, EMODB, MS SNSD, PDS.