Інші праці КІТ
Permanent URI for this collection
RU: Другие труды
EN: Other Works
EN: Other Works
Browse
Browsing Інші праці КІТ by Subject "algorithms"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Дискретні та алгоритмічні структури в інструментарії програмної інженерії(Дніпропетровський національний університет залізничного транспорту ім. акад. В. Лазаряна, Дніпропетровськ, 2016) Скалозуб, Владислав Васильович; Ільман, Валерій Михайлович; Івченко, Юрій Миколайович; Андрющенко, Вадим ОлександровичUKR: Викладено основні положення комп’ютерної математики, формальних конструктивних граматичних і алгоритмічних структур, методи оцінки характеристик алгоритмів, прикладні питання трансляторів, теорії графів, мереж Петрі, що призначені для розвитку навичок структуризації предметних областей програмування, створення конструктивних об’єктів та їх застосування при моделюванні завдань програмної інженерії. Для студентів, викладачів і фахівців у галузі інформатики та програмної інженерії.Item Дослідження методів і процедур класифікації та прогнозування недетермінованих процесів на основі показників хаотичної динаміки(Український державний університет науки і технологій, Дніпро, 2021) Шаповал, Данило ОлеговичUKR: Магістерська робота виконана на 155 сторінках, містить 44 рисунки, 7 таблиць та 84 використані джерела. Магістерська робота присвячена дослідженням моделей, алгоритмів і програмних засобів, призначених для аналізу, класифікації та прогнозування антиперсистентних часових послідовностей. Об’єктом дослідження є процеси, які являються антиперсистентними часовими рядами, премет – це чисельні процедури аналізу, класифікації та короткострокового прогнозування моделей антиперсистентниїх часових послідовностей. Мета роботи полягала в підвищенні ефективності та точності методів та алгоритмів класифікації, моделювання тп прогнозування антиперсистентних часових послідовностей. В роботі було встановлено, що найбільше детальною та сталою являється класифікація антиперсистентних процесів, отримана на основі схем агрегування без перетину рівнів часоих послідовностей. Був розроблений програмний комплекс для моделювання та прогнозування параметрів антиперсистентних процесів.Item Дослідження часової ефективності Ajax- запитів(Український державний університет науки і технологій, Дніпро, 2024) Таряник, Сергій ВалерійовичUKR: Магістерська робота виконана на 84 сторінках, містить 17 рисунків, 3 таблиці та 23 використаних джерела. В магістерській роботі було досліджено часову ефективність алгоритмів сортування та пошуку на різних мобільних пристроях та їх часову ефективність при відправлені в Google Sheets. Виділені основні параметри і часові характеристики основних алгоритмів. Також було розглянуто їх основні функціональні відмінності та ефективність в рішенні конкретних задач. Було зафіксовано затрачений час на обробку алгоритмів: сортування бульбашкою, сортування вставками, бінарний пошук, послідовність фібоначі, розрахунок факторіала. Мета дослідження полягає в аналізуванні та порівнянні швидкодії виконання та часової ефективності різних алгоритмів на різних мобільних пристроях та їх відправці до БД. Об’єкт дослідження – запити за допомогою використання Ajax - запитів.Item Розпізнавання рукописних символів засобами нейронних мереж(Український державний університет науки і технологій, Дніпро, 2024) Середа, Олександр АндрійовичUKR: Магістерська робота виконана на 98 сторінках, містить 30 рисунків, 1 таблицю та 22 використані джерела. Магістерська робота розглядатиме використання нейронних мереж у вирішенні проблем розпізнавання символів, зосереджуючись на ефективності роботи цих мереж за допомогою різних інструментів. Також планується детальний аналіз поведінки нейронної мережі під час навчання та висвітлення результатів дослідження в кінці магістерської роботи. Робота має на меті розкрити потенціал та обмеження цих інноваційних технологій для подальшого розвитку сучасного наукового та технічного прогресу. Застосування нейронних мереж у сучасному суспільстві розповсюджується як на дослідницькому, так і на практичному рівні, перетворюючи спосіб, яким ми розв’язуємо проблеми. Об’єктом дослідження являються інтелектуальні системи розпізнавання символів на зображеннях, що використовують для цього машинне навчання та нейронні мережі. Метою дослідження є визначення того, який з типів нейронних мереж краще підходить для вирішення поставленої задачі, також навчання цієї системи розпізнавати рукописні символи. Для того, щоб приступити до роботи, потрібно розібратися в тому, що таке машинне навчання, нейрон, нейронні мережі.