Солдатенко, Дмитро ВолодимировичГнатушенко, Вікторія Володимирівна2023-05-052023-05-052022Солдатенко Д. В., Гнатушенко Вікт. В. Дослідження впливу обробки первинних даних на результати навчання нейромережі для розпізнання супутникових зображень. Інформаційні технології в металургії та машинобудуванні : матеріали міжнар. наук. конф. (Дніпро, 18 травня, 2022 р.). Дніпро, 2022. С. 255–258. DOI: https://doi.org/10.34185/1991-7848.itmm.2022.01.046.2708-0102 (Online)https://journals.nmetau.edu.ua/index.php/itmm/article/view/1164https://journals.nmetau.edu.ua/index.php/itmm/issue/view/122https://crust.ust.edu.ua/handle/123456789/16933Д. Солдатенко: ORCID 0000-0001-6041-7383; Вікт. Гнатушенко: ORCID 0000-0001-5304-4144UKR: Правильна підготовка матеріалів для навчання нейронної мережі є одним з ключових етапів, від якого безпосередньо залежать усі подальші результати. Дослідження передбачає два випробування, перше з необробленими даними, а друге — зі спеціально підготовленими для навчання. Навчання нейронної мережі використовує дані для трьох різних класів, води, дерев і поля, результати тестів та інформацію про потенційні недоліки, надані після кожного тесту, а також рекомендації щодо покращення результатів. Результати проаналізовано та зроблено висновок, що вдосконалення первинних матеріалів для навчання нейронної мережі розпізнаванню супутникових зображень безпосередньо впливає на результат у кращий бік, а саме на 27,6% у разі використання підготовлених даних, у цьому дослідженні вони можуть відрізнятися залежно від умови.ENG: Proper preparation of materials for training a neural network is one of the key stages that directly affects all subsequent and results. The research provides two trials, the first with raw data and the second with specially prepared for training. The training of the neural network uses data for three different classes, water, trees and field, test results and information about potential flaws provided after each test as well as recommendations for improving results. The results were analyzed and concluded that the improvement of primary materials for teaching the neural network to recognize satellite images directly affects the result for the better, namely by 27.6% in the case of using prepared data in this study, they may differ depending on the conditions.uk-UAнейронна мережарозпізнавання зображеньобробка данихсупутникові знімкиштучний інтелектneural networkimage recognitiondata processingsatellite imageryartificial intelligenceКІТСThesis