113 Прикладна математика

Permanent URI for this collection

https://ekmair.ukma.edu.ua/handle/123456789/18193

Освітньо-наукова програма: Прикладна математика

Browse

Now showing 1 - 20 of 51

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).
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.
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.
Impact of adversarial sparsity as an auxiliary metric in adversarial robustness
(2023) Кузьменко, Дмитро; Швай, Надія
The purpose of this research is to investigate adversarial sparsity in computer vision models and introduce a more efficient method for adversarial sparsity estimation. To fulfil this objective, the following tasks have been undertaken: To implement and evaluate an n-Ary search algorithm as an improvement over the conventional binary search method used in adversarial sparsity estimation. To benchmark and compare the performance of the proposed n-Ary search algorithm against the traditional binary search algorithm. To explore the implications of adversarial sparsity on the robustness of machine learning models.
Iтерацiйний пiдхiд до необумовленого оптимального вибору для певної категорiї в роздрiбнiй торгiвлi
(2024) Мироненко, Роман; Дрiнь, Свiтлана
У данiй роботi ми розглядаємо сучаснi методи оптимiзацiї попиту для групи товарiв та дослiджуємо iтерацiйний пiдхiд для знаходження оптимальної кiлькостi товарiв у певної заданої категорiї.
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.
Recognizing gestures of the Ukrainian dаctylic аlphabet
(2023) Bikchentaev, Mykola; Hlybovets, Andrii
Research methods: analysis of scientific literature. Objectives of the study: 1. Study the concept of sign language and Ukrainian sign language in particular. 2. Review approaches to gesture recognition. 3. Build a model for recognizing gestures of the Ukrainian dactyl alphabet.
Адаптація контексту у задачах класифікації зображень
(2021) Крошин, Олександр; Швай, Надія
Rapid developments in the Deep Learning domain in recent years let researchers and practitioners shift their focus from training machine learning models itself to transferring the already-learnt knowledge and applying it in different applications. This paper discusses Domain Adaptation, a subdomain of transfer learning, primarily aimed at applying knowledge from a given source domain to an unknow target one. It discusses various Domain Adaptation settings under the context of Computer Vision, introduces self-ensembling Domain Adaptation methods for semi-supervised learning and illustrates its capabilities with proper experiments. Experiments were implemented with Python 3.6 using libraries pytorch, numpy, pandas, opencv, matplotlib, torch-salad, etc.
Адаптивні методи анонімізаціх даних
(2021) Ронська, Дарина; Швай, Надія
Sometimes it is impossible to use the original image and only anonymized version of it is available (e.g., faces of the people or plate numbers on cars are blurred). In other words, we can use only edited version of the original image. Sometimes the class of the edited image is different from original one and we want to avoid this. This work is about gradient method which allows to get the class predicted for unchanged image for the one with blurred sensitive part by applying small changes in the edited area only.
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.
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
Використання методів навчання з підкріпленням для генерації змагальних зображень
(2021) Іванюк-Скульський, Богдан; Швай, Надія
В цій роботі запропоновано новий метод генерації матричних збурень, заснований на методі навчання з підкріпленням. Запропонований метод не має інформації про ваги моделі-класифікатора та про дані, на яких модель- класифікатор була натренована. Ідея методу полягає в тому, що процес додавання матричного збурення можна описати як Марківський процес прийняття рішень. Тому в кожний момент часу, модель визначає найкраще рішення, і додає матричне збурення до зображення, базуючись на прийнятому рішенні.
Властивості булевих операцій на дистанційно-транзитивних графах
(2020) Будишевська, Марина; Олійник, Богдана
Граф – узагальнено, впорядкована пара, яка складається із вершин та ребер. Дистанційно-транзитивний граф, у свою чергу — такий граф, що для будь-якої пари вершин, які знаходяться на певній відстані та для будь-якої іншої пари вершин, які знаходяться на тій самій відстані існує автоморфізм графа, який переводить одну пару вершин в іншу . У роботі розглянуті основні поняття про дистанційно-транзитивні графи та описані деякі операції над графами, зокрема розглянуто булеві операції на графах. Розглянуто деякі властивості, які зберігають операції на графах. Операції над графами реалізовано за допомогою Python.
Генерування зображень номерних знаків методами глибинного навчання
(2023) Марчук, Владислав; Швай, Надія
The main objective of this thesis is to develop a software application that utilizes the method of unpaired image-to-image translation for generating Ukrainian license plate images. To achieve this objective, the following research questions will be addressed: How can the method of unpaired image-to-image translation be adapted for generating Ukrainian license plates? What deep learning architecture and training procedure should be employed to achieve high-quality and realistic license plate generation? How does the generated output compare to real Ukrainian license plates in terms of visual quality and similarity? What are the limitations and potential challenges of the proposed approach?
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.
Дистиляція даних у контексті задачі класифікації зображень / Data distillation in the context of image classification
(2023) Мокрий, Михайло; Швай, Надія
Метою даної наукової роботи є аналіз різних методів дистиляції даних для вирішення задачі класифікації зображень та дослідження різних способів початкової ініціалізації зображень для методу дистиляції даних DC. В результаті виконаної роботи були розглянуті основні проблеми, з якими стикаються великі набори даних, та способи зменшення складності моделі нейронної мережі. Також в науковій роботі було зроблено огляд різних методів дистиляції даних для вирішення проблеми класифікації зображень, а саме: Forgetting, Herding, K-Center, DC, KIP, LS, та проведено аналіз ефективності вибраних методів. В межах даної роботи було досліджено вплив різних способів ініціалізації зображень на результати методу DC та проаналізовано отримані результати експериментів.
Задача про ханойську вежу для повних бінарних двокольорових дерев
(2020) Сушарник, Діана; Олійник, Богдана
Уже протягом кількох сторіч задача про Ханойську вежу приваблює інтерес математиків. На сьогоднішній день існує безліч варіацій та узагальнень цієї головоломки: експерементують із кількістю кілків, дисків, розглядають задачі із використанням кольорових елементів, смугасті задачі. Розраховують кількість необхідних кроків і оптимальний алгоритм розв’язку. Але нові варіанти і додаткові умови продовжують з’являтися, тож задача є гарним полем для математичних роздумів. Під час дослідження цієї теми авторка розглянула модифікацію задачі про Ханойську вежу для бінарних дерев, а також узагальнений розв’язок до модифікованої задачі. У роботі сформульовано правила для нової задачі на бінарних двокольорових деревах і знайдено її розв’язок для дерева фіксованої висоти. Цей напрямок можна продовжувати розвивати і знайти, наприклад, узагальнений розв’язок задачі, або порахувати кількість необхідних кроків для дерев більшої висоти, із використанням іншої кількості кольорів, динамічним розфарбовуванням, тощо.
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.)
Математичне моделювання та прогнозування зміни кількості носіїв української мови та інших мов в Україні
(2021) Будишевська, Марина; Дутка, Василь
У роботі розглянуто дві математичні моделі та використано саме трикомпонентну нелінійну математичну модель для прогнозування зміни кількості носіїв мови в Україні, що описує взаємодію спільноти, у якій індивіди розмовляють декількома мовами та деколи переходять із рідної мови на користь іншої та навпаки – яка є більш відповідною для отримання точних результатів.
Математичне моделювання та прогнозування зміни чисельності населення
(2020) Змитрович, Марія; Дутка, Василь
Були розглянуті основні чинники, які впливали на демографічні процеси України. А також проблема депопуляції населення України, спричинена кризою 90-х, спад тенденції багатодітності та збільшення рівню смертності населення через проблеми системи охорони здовор’я. Були розглянуті існуючі моделі прогнозування чисельності населення, зокрема експоненціальна, логістична та модель Капіци.

Browse

Browsing 113 Прикладна математика by Title

Results Per Page

Sort Options