Browsing by Author "Стовпченко, Іван Володимирович"

Now showing 1 - 8 of 8

Аналіз комп’ютерної моделі поведінки тонкої пластини зануреної у рідину
(Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій», 2022) Дмитрієва, Ірина Сергіївна; Стовпченко, Іван Володимирович
UKR: В статті розглядається питання взаємодії між потоком рідини і тонкими металевими конструкціями. Метою роботи є дослідження поведінки пластині, зануреної в рідину, що здійснює вимушені коливання під дією прикладеного навантаження. В ході роботи необхідно досліджувати механізм поведінки даної взаємодії та визначити приєднані маси рідини. Знання приєднаних мас допомагає оцінити вплив рідини на конструкції. Рішення завдання про змушені коливання плоскої пластини в рідини допоможе в подальшому перейти до дослідження взаємодії більш складних об’єктів з водою.
Використання нейромережевих класифікаторів для реалізації системи ідентифікації транспортних засобів
(НМетАУ, Дніпро, 2021) Островська, Катерина Юріївна; Стовпченко, Іван Володимирович; Губанов, Олександр Дмитрович
UKR: Робота присвячена дослідженню нейромережевих класифікаторів для реалізації системи ідентифікації транспортних засобів. В роботі вирішувалося завдання розпізнавання світлових сигналів транспортних засобів. Як детектор транспортних засобів використовувалася полегшена версія YOLOv3, а класифікатором світлових сигналів виступала адаптована під умови задачі архітектура MobileNetv2. Моделі навчалися на декількох датасетах, приведених до єдиного формату. Отримана якість моделей є досить хорошою для доказу працездатності системи. Подальше поліпшення якості можливо за рахунок збільшення обсягу навчальної вибірки і більш точного підбору гіперпараметрів моделі. З точки зору швидкості роботи система розпізнавання показала прийнятний результат.
Дослідження ефективності платформ управління обчислювальними сервісами при організації Fog computing
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2022) Островська, Катерина Юріївна; Шерстяних, Микита Олександрович; Стовпченко, Іван Володимирович; Каліберда, Юрій Олегович
UKR: Робота присвячена дослідженню ефективності платформ управління обчислювальними сервісами при організації Fog computing. В рамках роботи проводиться дослідження ефективності платформ контейнерної оркестрації з організацією Fog computing. У ході проведення дослідження необхідно виконати такі завдання: 1) зробити підбір літератури, наукових публікацій та Інтернет статей, необхідних для проведення дослідження; 2) здійснити огляд платформ контейнерної оркестрації; 3) визначити ключові вимоги та критерії проведення дослідження; 4) спроектувати та реалізувати утиліту автоматичного проведення випробувань; 5) виконати дослідження ефективності платформ контейнерної оркестрації з організацією туманних обчислень; 6) проаналізувати отримані результати та зробити супутні висновки. Організується розгортання Docker-контейнерів. Для створення кластера використовується Docker Swarm. Вирішуються завдання вимірювання наступних параметрів: час розгортання одного контейнера, час розгортання групи контейнерів, час відгуку задачі горизонтального масштабування, час затримки передачі. Проводиться аналіз одержаних результатів випробувань.
Дослідження ефективності розподілених алгоритмів машинного навчання
(НМетАУ, Дніпро, 2021) Островська, Катерина Юріївна; Стовпченко, Іван Володимирович; Аніщенко, Владислав Володимирович
UKR: Робота присвячена дослідженню ефективності розподілених алгоритмів машинного навчання реалізованих в проекті Apache Mahout. В результаті роботи був проведений аналіз ефективності алгоритмів машинного навчання за допомогою методу кластеризації к-середніх (k-Means) і методу нечіткої кластеризації к-середніх (fuzzy k-Means / c-Means), реалізованих в проекті Apache Mahout. Отримано результати тестування обох методів кластеризації на однакових наборах даних. Розглянуто точність кластеризації кожного методу, а також побудовані порівняльні діаграми результатів досліджуваних методів.
Дослідження методів на основі нейронних мереж для аналізу тональності корпусу текстів
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Островська, Катерина Юріївна; Стовпченко, Іван Володимирович; Печений, Денис Сергійович
UKR: Об'єктом дослідження є методи з урахуванням нейронних мереж для аналізу тональності корпусу текстів. Для досягнення поставленої в роботі мети необхідно вирішити такі завдання: вивчити теоретичний матеріал для навчання глибинних нейронних мереж та їх особливості стосовно обробки природної мови; вивчити документацію бібліотеки Tensorflow; розробити моделі згорткової та рекурентної нейронних мереж; розробити реалізацію лінійних та нелінійних методів класифікації на моделях мішка слів та Word2Vec; порівняти точність та інші показники якості реалізованих нейромережевих моделей із класичними методами. Для візуалізації навчання використовується Tensorboard. У роботі показано перевагу класифікаторів на основі глибоких нейронних мереж над класичними методами класифікації, навіть якщо для векторних уявлень слів використовується модель Word2Vec. Найвищу точність для даного корпусу текстів має модель рекурентної нейронної мережі з LSTM-блоками.
Перспективи використання систем обробки Big Data в металургійній промисловості
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2024) Островська, Катерина Юріївна; Стовпченко, Іван Володимирович
UKR: У роботі представлені основи технології Big Data, розглядаються перспективи використання систем обробки великих даних у металургійній промисловості.
Розробка підходу до виявлення шкідливого ПЗ для Android з використанням методів глибинного навчання
(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2024) Островська, Катерина Юріївна; Стовпченко, Іван Володимирович; Островський, Євген Вікторович
UKR: Метою роботи є розробка підходу для виявлення шкідливого програмного забезпечення для операційної системи Android на основі статистичного аналізу c використанням методів глибокого навчання. Для досягнення поставленої мети були вирішені наступнізадачі:1.Дослідження особливостей Android-додатків і розробка способу подання додатка для подальшого аналізу безпеки. 2.Дослідження методів глибокого навчання і вибір найбільш відповідного з них. 3.Розробка підходу до виявлення шкідливого програмного забезпечення для Android з використанням методів глибокого навчання. Основна ідея підходу – уявлення Android-додатків у вигляді зображення для подальшого аналізу згортовою нейронною мережею, причому в цьому зображенні пікселі представляють послідовність пар API виклику і відпорному йому рівня захисту, який виводиться з дозволу, яке необхідно для виклику API.
Розробка системи оцінки інтерфейсу веб-сайтів на основі нечіткої логіки
(Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій», ІВК «Системні технології», Дніпро, 2022) Островська, Катерина Юріївна; Стовпченко, Іван Володимирович; Каліберда, Юрій Олегович
UKR: Проектування людино-машинного інтерфейсу є невід'ємним та важливим завданням життєвого циклу розробки програмного забезпечення. Від якості результатів проектування залежить рівень задоволеності користувачів під час використання цього продукту. На даний момент існують різні підходи до оцінки юзабіліті сайтів з погляду наповнення сторінок, їх оформлення, розташування елементів керування і т.д. Але комплексного програмного продукту, який оцінював би юзабіліті будь-якого запропонованого сайту, поки що немає. Таким чином, завдання автоматизованої оцінки юзабіліті веб-сайтів є актуальним. Метою роботи є розробка системи оцінки інтерфейсу веб-сайтів на основі нечіткої логіки. Для досягнення мети було вирішено такі завдання: 1) визначити лінгвістичні змінні для оцінки юзабіліті інтерфейсу сайтів; 2) розробити та реалізувати алгоритм парсера вихідного коду HTML-сторінок для побудови термів лінгвістичних змінних; 3) розробити анкету тестування юзабіліті інтерфейсу сайтів для експертів та провести анкетування; 4) розробити алгоритм нечіткого виведення оцінки юзабіліті інтерфейсу сайтів; 5) розробити базу даних оцінок; 6) спроектувати, реалізувати та протестувати настільну програму для оцінки юзабіліті інтерфейсу сайтів.