2023
Permanent URI for this community
Browse
Browsing 2023 by Subject "artificial intelligence"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Визначення здатності штучного інтелекту до встановлення авторства художнього україномовного тексту за значними фрагментами(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Іванов, Олександр Петрович; Скалозуб, Владислав Васильович; Горячкін, Вадим Миколайович; Шинкаренко, Віктор ІвановичUKR: Штучний інтелект стає невід’ємною частиною побутового життя та професійної діяльності людини. Представлена робота має на меті дослідити ефективність визначення авторства художніх текстів за допомогою сучасних інструментів штучного інтелекту, а саме інтелектуальна пошукова система Bing. Для експерименту було вибрано десять українських авторів з багатим доробком художніх творів, які відображають різні аспекти української культури та історії. Випадкові фрагменти довжиною до 500 слів були вибрані з різних творів цих авторів. Було проведено експеримент з визначення авторства 360 фрагментів. Використовуючи мову програмування Python та пакет skpy, було створено програмне забезпечення, яке надсилає запити та отримує відповіді від Bing бота, вбудованого в Microsoft Skype. В текстах відповідей перевірялася наявність імені автора фрази та відповідної назви твору. Встановлено, що довгі фрагменти дозволяють з високою точністю, але не завжди визначити автора художнього україномовного тексту.Item Покращення ефективності розпізнавання супутникових зображень шляхом визначення обсягу навчальних даних(Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Солдатенко, Дмитро Володимирович; Гнатушенко, Вікторія ВолодимирівнаUKR: Розпізнавання супутникових зображень є життєво важливим застосуванням комп’ютерного зору з потенційними варіантами використання в таких сферах, як боротьба зі стихійними лихами, землеробство та міське планування. Це дослідження спрямоване на визначення оптимальної кількості вхідних даних, та підбору оптимальних методів їх аугментації, необхідних для навчання нейронної мережі CNN для розпізнавання супутникових зображень. З цією метою проводиться серія експериментів, щоб дослідити вплив кількості вхідних даних на кілька показників продуктивності, включаючи точність, конвергенцію та узагальнення моделі. Дослідження пропонує кілька методів для визначення точки насичення та пом’якшення наслідків перенавчання. Результати, отримані в цьому дослідження, можуть допомогти в розробці більш ефективних моделей розпізнавання супутникових зображень.