ФАМІТ http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/12 2026-04-11T16:06:49Z 2026-04-11T16:06:49Z Алтухов, О. В. Васильєва, Л. В. Алтухов, В. О. Богданова, Л. М. Тарасов, О. Ф. http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1137 2026-01-11T16:37:23Z 2025-01-01T00:00:00Z

Title: ДОСЛІДЖЕННЯ НЕЙРОМЕРЕЖЕВИХ ПІДХОДІВ ДО АНАЛІЗУ ВІДЕООБ’ЄКТІВ ІЗ ЗАСТОСУВАННЯМ GOOGLE CORAL Authors: Алтухов, О. В.; Васильєва, Л. В.; Алтухов, В. О.; Богданова, Л. М.; Тарасов, О. Ф. Abstract: Зростання обсягів відеоданих у різних галузях (безпека, медицина, транспорт, технічні науки) актуалізує необхідність ефективної автоматичної обробки цих даних. Особливо важливими завданнями є класифікація та сегментація об’єктів на відео. Висока роздільна здатність сучасного відео створює додаткові виклики, зокрема щодо обробки в реальному часі, що потребує використання як оптимізованих моделей, так і апаратних прискорювачів. Одним із рішень є Google Coral – пристрій, що дозволяє прискорити виконання нейронних мереж без суттєвих втрат у точності. У цьому дослідженні акцент зроблено на підвищенні ефективності моделей глибокого навчання шляхом підбору оптимальних параметрів навчання для забезпечення точного й швидкого розпізнавання об'єктів на відео. У роботі досліджено методи, моделі та інформаційні технології, призначені для класифікації і сегментації об’єктів на відео з використанням нейронних мереж і апаратного прискорювача Google Coral. Основну увагу приділено оптимізації параметрів навчання моделей на основі архітектур SSD/FPN MobileNet V1, MobileNet V2 та SSDLite MobileNet V2. Запропоновано підхід, що дозволяє досягти високої точності при класифікації і сегментації об’єктів у відео за мінімального часу навчання. Розроблено програмний комплекс з графічним інтерфейсом, реалізований із використанням Python, TensorFlow та OpenCV. Проведено порівняльний аналіз ефективності методів класифікації та сегментації, а також розглянуто можливості реалізації систем в середовищі обмежених ресурсів. Наукова новизна полягає в удосконаленні моделей нейронних мереж для класифікації та сегментації об’єктів на відео з застосуванням апаратного прискорювача Google Coral, що дозволило підвищити швидкість навчання та точність класифікації. Практична цінність полягає в реалізації методів та моделей нейронних мереж для класифікації та сегментації об’єктів на відео за допомогою Google Coral, які можна використовувати на різних апаратних платформах.

2025-01-01T00:00:00Z Гітіс, Веніамін Борисович http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1134 2025-12-30T15:56:46Z 2025-01-01T00:00:00Z

Title: Чисельні методи : навчальний посібник Authors: Гітіс, Веніамін Борисович Abstract: Містяться короткий виклад курсу дисципліни «Чисельні методи» з окремих тем, приклади розв'язання практичних завдань, завдання для самостійної роботи. Об'єднані в посібнику теоретичний матеріал, практичні задачі та контрольні завдання дозволяють здобувачам заздалегідь підготуватися до лабораторних робіт, поточного та підсумкового контролю, здійснювати самоконтроль знань. Посібник рекомендовано для вивчення дисципліни «Чисельні методи» здобувачам бакалаврського рівня спеціальностей 124 «Системний аналіз» і 126 «Інформаційні системи та технології».

2025-01-01T00:00:00Z Пеліх, Євген http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1133 2025-12-30T11:45:38Z 2025-01-01T00:00:00Z

Title: Акт впровадження кваліфікаційної роботи бакалавра Authors: Пеліх, Євген Abstract: Акт впровадження кваліфікаційної роботи бакалавра

2025-01-01T00:00:00Z Непомнящий, Владислав http://dspace.dgma.donetsk.ua:8080/jspui/handle/DSEA/1132 2025-12-30T11:45:22Z 2025-01-01T00:00:00Z

Title: Акт впровадження кваліфікаційної роботи бакалавра Authors: Непомнящий, Владислав Abstract: Акт впровадження кваліфікаційної роботи бакалавра

2025-01-01T00:00:00Z