113 Прикладна математика

Permanent URI for this collection

Освітньо-наукова програма: Прикладна математика

Browse

Recent Submissions

Now showing 1 - 20 of 42
  • Item
    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.
  • Item
    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.
  • Item
    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).
  • Item
    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.
  • Item
    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.
  • Item
    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.
  • Item
    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.
  • Item
    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.
  • Item
    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.
  • Item
    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.
  • Item
    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.
  • Item
    Редукцiя розмiрностi табулярних вхiдних даних в контекстi обробки одноклiтинних даних
    (2023) Бiлiнський, Павло; Швай, Надія
    Метою цiєї роботи є дослiдження впливу проблеми дисбалансу даних на передбачення збурень клiтин моделлю scGen. Розглядались чотири методи балансування даних, а саме undersampling, oversampling, комбiнацiя under- та oversampling та метод SMOTE. У роботi були експериментально отриманi оцiнки ефективностi кожного з методiв та проаналiзовано їх вплив на якiсть передбачень збурень певних класiв клiтин. Проведений аналiз визначив найкращi методи балансування даних для цiєї задачi.
  • Item
    Змагальні приклади та їх знаходження в задачах обробки зображень
    (2023) Фісун, Єлизавета; Крюкова, Галина
    В останні роки швидкий розвиток алгоритмів машинного навчання та глибоких нейронних мереж здійснив революцію в галузі комп’ютерного зору та обробки зображень. Ці алгоритми досягли чудової продуктивності в різних завданнях, починаючи від класифікації зображень і закінчуючи виявленням об’єктів. Однак разом із цими досягненнями виникла нова проблема: вразливість моделей глибокого навчання до змагальних прикладів. Змагальні приклади — це ретельно розроблені вхідні дані, які вводять модель в оману, хоча людському оку складно їх відрізнити від початкових даних. Це викликає критичні питання щодо стійкості, надійності та безпеки моделей машинного навчання, особливо в критично важливих для безпеки програмах, таких як автономні транспортні засоби, медична діагностика та кібербезпека. Змагальні атаки створюють потенційні ризики в різних областях, включаючи, але не обмежуючись системами розпізнавання зображень, де наслідки неправильної класифікації можуть бути згубними. Оскільки розгортання систем машинного навчання стає все більш поширеним, важливо усунути вразливі місця цих моделей, щоб забезпечити їх практичне та надійне використання в реальних сценаріях. За мету даної роботи були поставлені такі завдання: розібратися з що таке змагальні приклади та атаки, визначити які вони бувають та методи їх пошуку, а також застосувати ці змагальні зображення та атаки до конкретних задач (класифікації, сенментації тощо.)
  • Item
    Побудова семантичної моделі зображення
    (2023) Герасимчук, Д.; Глибовець, Андрій
    Метою даної роботи є розробка та побудова семантичної моделі для вирішення проблеми розуміння зображення комп'ютером. Ця проблема є дуже актуальною і складною, і потребує розробки нових підходів та методів. У порівнянні з іншими задачами комп'ютерного зору, такими як класифікація зображень або створення текстового опису, розуміння зображень вимагає глибшого аналізу та інтерпретації контексту, об'єктів та взаємозв'язків всередині зображення. Перший розділ даної роботи присвячений актуальності та проблематиці побудови семантичної моделі зображення. В цьому розділі відзначається значимість вирішення проблеми розуміння зображень комп'ютером, оскільки це має великий потенціал для різних областей, включаючи комп'ютерне зорове сприйняття, автоматизацію процесів та покращення інтерактивних систем. У другому розділі проведено детальний аналіз існуючих рішень для задач класифікації зображень, текстового опису зображень та знаходження візуальних зв'язків на зображеннях. Описані різні підходи, використовані методи та їх обмеження.У третьому розділі детально описується процес побудови власної моделі та подання результатів її роботи. Цей розділ включає в себе опис використаних алгоритмів, архітектури моделі, методів навчання та оцінки. Крім того, представлені результати експериментів та аналіз отриманих результатів
  • Item
    Усмішка волатильності: метод скінченних різниць
    (2023) Гуцало, Анастасія; Щестюк, Наталія
    Метою роботи є дискретизація диференціального рівняння ціни опціону зі стохастичною волатильністю, її розв’язок та виведення змін відносно ціни базового активу та волатильності. Ціль роботи: 1) модифікація моделі Б-Ш; 2) визначення диференціального рівняння функції U(S,V, t) в частинних похідних; 3) дискредитація PDE методом скінченних різниць.
  • Item
    Моделювання прогнозу попиту з використання рекомендаційної системи на базі методу LightGBM
    (2023) Кольчик, Микита; Дрінь, Світлана
    Метою нашої роботи буде спрогнозувати попит на товари за допомогою алгоритму LightGBM і створити алгоритм, за допомогою якого буде можливо змоделювати прогнози на роботу магазинів. Робота складається з трьох розділів. Перший розділ присвячено огляду алгоритму LightGBM, його структурі, порівнянні з іншими алгоритмами, перевагам і недолікам. У другому розділі розглядається теорія оптимізації запасів і метрикам, за допомогою яких можна контролювати прибутковість, маючи навіть обмежені дані щодо продажів. Третій розділ присвячено розробці програмного коду, який прогнозуватиме дані продажів і рахуватиме метрики запасів для ланцюга "Магазин-Товар-Тип пакування товару"
  • Item
    Алгоритми знаходження розв’язкiв складних задач на цiлочисельних решiтках
    (2023) Лiхачов, Артемiй; Олiйник, Богдана
    Курсова робота присвячена вивченню основних алгоритмiв розв’язку складних задач на решiтках, на яких базуються криптографiчнi алгоритми та системи цифрового пiдпису. Вона складається зi вступу, двох роздiлiв, висновкiв та списку використаної лiтератури. У вступi розповiдається про актуальнiсть тематики та застосування математичного апарату решiток до криптографiчних протоколiв. У першому роздiлi вводяться означення решiтки, базису решiтки, найкоротшого вектора решiтки, найближчого вектора решiтки, розглядаються властивостi решiток. У другому роздiлi розглядається процес ортогоналiзацiї Грама-Шмiдта на решiтках, алгоритм LLL, алгоритм Бабаї, числовi приклади. У висновках пiдсумовуються зробленi результати роботи, вказанi наступнi напрямки дослiджень
  • Item
    Моделювання соціальних процесів як марковських процесів прийняття рішень
    (2023) Любима, Михайліна; Чорней, Руслан
    Мета даної роботи – узагальнення існуючого досвіду моделювання соціальних процесів загалом та реалізація моделі поведінки підписників на інтернет-платформах. Відповідно до цього можна виділити таке наукове завдання: 1. З’ясувати можливі підходи до формалізації соціальних процесів та їх особливостей. 2. Установити особливості стохастичних моделей 3. Виявити, наскільки доцільним є застосування марковських моделей в окремих задачах. Розробити власну інтерпретацію соціального процесу.
  • Item
    Пошук та виокремлення визначень з наукових текстів
    (2023) Мироненко, Роман; Глибовець, Андрій
    Метою даної роботи буде аналіз сучасних методів обробки природної мови, визначити, як можна використовувати їх для пошуку та виокремлення термінів із текстів, та розробити прототип такої програми.
  • Item
    Метод детекції об’єктів використовуючи ієрархічне дерево класів об’єктів
    (2023) Панасюк, Роман; Швай, Надія
    Мета дослідження полягає у порівнянні існуючих методів для задачі детекції, виявленні сильних та слабких сторін методу детекції об’єктів використовуючи ієрархічне дерево класів у порівнянні з іншими методами.