Igor Sikorsky Kyiv Polytechnic Institute
Electronic Archive of Kyiv Polytechnic InstituteNot a member yet
72235 research outputs found
Sort by
Модель розпізнавання літальних апаратів за їхніми акустичними сигнатурами
No full textШвидкий прогрес у сфері безпілотних літальних апаратів і зростання пов’язаних із ними загроз створюють нагальну потребу в розробці ефективних систем для їх своєчасного виявлення та класифікації. В умовах триваючої повномасштабної війни в Україні дрони використовуються для розвідки, коригування артилерійського вогню та для нанесення ударів по критичній інфраструктурі. Це зумовлює необхідність запровадження систем раннього попередження, здатних функціонувати у складних умовах. В даній роботі розглянуто проблему автоматичного розпізнавання літальних апаратів за їхніми акустичними сигнатурами. Розроблено збалансований набір даних з використанням технології Transfer Data.Розроблено архітектуру нейронної мережі, оптимізовану для вилучення часово-частотних ознак акустичних сигналів і класифікації об’єктів за трьома класами: Drone, Airplane, Helicopter. Проведено навчання та тестування моделі, точність на навчальному наборі даних склала 99%, на тестовому 90%. Навчену модель інтегровано до складу системи розпізнавання як окремий модуль нейронної мережі, який здійснює аналіз аудіофайлів та визначає тип літального апарата з вказанням рівня впевненості прогнозу. Запропонована система може бути використана у задачах моніторингу повітряного простору, безпеки та цивільної оборони, а також адаптована для розпізнавання інших типів технічних об’єктів за акустичними ознакам
Formalization of the problem of intelligent voice control of unmanned aerial vehicles
No full textУ статті проаналізовано еволюцію та поточний стан методів управління безпілотними літальними апаратами (БПЛА), із зосередженням на інтеграції інтелектуальних систем для підвищення їхньої автономності та надійності. Встановлено, що традиційні інтерфейси є недостатньо оперативними в динамічних умовах. Розроблено змістовну та формалізованоматематичнумоделізадачі інтелектуального голосового керування, яка враховує не тільки пряме виконання команд, але й функціонування в режимі випередження з мінімізацією часу реакції. Обґрунтовано доцільність застосування алгоритмів глибинного навчання (DNN) для надійного розпізнавання мовлення в умовах акустичних перешкод та трансформації нечітких команд у точні керуючі дії. Описано архітектуру програмного забезпечення голосового модуля, що забезпечує контекстно-чутливий семантичний аналіз та стійкість зв'язку з автопілотом (протокол MAVLink). Результати дослідження підтверджують можливість створення високоадаптивної системи управління, що має критичне значення для складних місій, включаючи пошуково-рятувальні та військові операції.The article analyzes the evolution and current state of methods for controlling unmanned aerial vehicles. It is found that traditional interfaces are not sufficiently operational in dynamic conditions. A meaningful and formalized mathematical model of the intelligent voice control problem has been developed, which takes into account not only the direct execution of commands, but also functioning in the lead-in mode with minimizing reaction time. The feasibility of using deep learning algorithms for reliable speech recognition is substantiated. The software architecture of the voice module is described, which provides context-sensitive semantic analysis and robust communication with the autopilot. The research results can be used to create a highly adaptive control system, which is critical for performing complex missions
Forecasting the popularity of online courses on the Coursera platform
Full text linkРобота присвячена побудові та дослідженню моделей прогнозування кількості студентів за основі рейтингу, кількості модулів, тривалості, рівня складності та типу розкладу курсів за допомогою лінійної та поліноміальної множинної регресії, Random forest та XGBoost та задачу класифікації курсів на популярні (більше 20000 студентів) та непопулярні (до 20000 студентів) методами логістичної регресії, Decision tree, Random forest та SVM.
Для моделей прогнозування найкращий баланс показників R², MAE, RMSE та MSE у нормалізованій вибірці (кількість студентів <= 40000). У цій вибірці дані мають меншу дисперсію, тому моделі можуть ефективно захопити закономірності. Поліноміальні та ансамблеві моделі показують помітно кращу якість. Цей датафрейм можна використовувати як основну підвибірку для розробки надійної моделі.
В обох розглянутих випадках класифікації курсів на популярні та непопулярні, найкращі результати стабільно демонструє модель Random Forest. Вона забезпечує найвищий precision для популярних курсів — ключової метрики для даної задачі, адже помилкова класифікація непопулярного курсу як популярного може призвести до фінансових втрат. Random Forest також демонструє збалансовані значення recall, f1-міри та загальної точності accuracy як на повному датасеті, так і на датасеті із кількістю студентів до 40000. Дерево рішень також є простою й інтерпретованою моделлю з непоганою якістю, але поступається Random Forest. Моделі SVM і логістична регресія мають нижчі показники precision для класу "популярний" і менш стабільну ефективність. Результати роботи можуть бути корисними для людей, що шукають перевірені та популярні курси для навчання і для організацій, що є провайдерами курсів.The work is devoted to the construction and study of models for predicting the number of students based on the rating, number of modules, duration, level of complexity and type of course schedule using linear and polynomial multiple regression, Random forest and XGBoost and the problem of classifying courses into popular (more than 20,000 students) and unpopular (up to 20,000 students) using logistic regression, Decision tree, Random forest and SVM methods.
For forecasting models, the best balance of R², MAE, RMSE and MSE indicators is in the normalized sample (number of students <= 40,000). In this sample, the data has less variance, so the models can effectively capture patterns. Polynomial and ensemble models show noticeably better quality. This data frame can be used as the main subsample for developing a reliable model.
In both considered cases of classifying courses into popular and unpopular, the Random Forest model consistently demonstrates the best results. It provides the highest precision for popular courses — a key metric for this task, since misclassifying an unpopular course as popular can lead to financial losses. Random Forest also demonstrates balanced recall, f1-measure, and overall accuracy values both on the full dataset and on a dataset with up to 40,000 students. Decision Tree is also a simple and interpretable model with good quality, but is inferior to Random Forest. SVM and logistic regression models have lower precision for the "popular" class and less consistent performance.
The results of the work can be useful for people looking for proven and popular courses for training and for organizations that are course providers
Consumer behaviour: workshop
No full textНавчальний посібник містить матеріали практикума для проходження та закріплення матеріалу з освітнього компоненту «Поведінка споживачів» для спеціальності D5 Маркетинг. Методичний матеріал рекомендовано для самостійної роботи, роботи на практичних заняттях, виконання розрахункової роботи, а також використання в умовах самоосвіти та дистанційного навчання студентів.The textbook contains workshop materials for studying and consolidating the material from the educational component ‘Consumer Behaviour’ for the D5 Marketing speciality. The methodological material is recommended for independent work, practical classes, calculation work, as well as for use in self-education and distance learning
Disperse systems and surface phenomena in them
No full textУ підручнику розглянуто основні поняття та закони, що описують природу дисперсних систем і поверхневих явищ в них, термодинаміку поверхневого шару, їх виникнення та існування і, чинники, які впливають на утворення та стійкість, що дозволяє прогнозувати поведінку дисперсних систем, створювати матеріали із заданими властивостями. Показано, що поверхневі явища не тільки визначають природу та механізми міжфазної взаємодії, але і безпосередньо впливають на технологічні параметри процесів отримання нових матеріалів, рівень фізико-механічних властивостей та надійність і довговічність виробів, виготовлених з них.
Підручник призначений для здобувачів ступеня магістр за спеціальністю G8 «Матеріалознавство», також буде корисним для студентів та аспірантів матеріалознавчих спеціальностей вищих навчальних закладів освіти технічного профілю. Кожний розділ має перелік контрольних питань. Предметний покажчик дозволить легко знайти інформацію щодо того чи іншого поняття.The textbook covers the basic concepts and laws describing the nature of dispersed systems and surface phenomena in them, the thermodynamics of the surface layer, their origin and existence, and the factors that influence their formation and stability, which allows predicting the behavior of dispersed systems and creating materials with specified properties. It is shown that surface phenomena not only determine the nature and mechanisms of interphase interaction, but also directly influence the technological parameters of processes for obtaining new materials, the level of physical and mechanical properties, and the reliability and durability of products made from them.
The textbook is intended for master's degree students majoring in G8 “Materials Science” and will also be useful for students and graduate students majoring in materials science at technical higher education institutions. Each section has a list of review questions. The subject index makes it easy to find information on a particular concept
Бізнес-прогнозування. Курс лекцій
No full textУ навчальному посібнику викладено систематизований матеріал лекцій «Бізнес-прогнозування» для здобувачів першого (бакалаврського) рівня вищої освіти спеціальності 075(D5) Маркетинг за освітньою програмою «Промисловий маркетинг». Посібник містить результати тривалих авторських наукових досліджень і практичних розробок у сфері прогнозування економічних процесів, бізнес-циклів, тенденцій кон’юнктури та футурологічних законів. Особливу увагу приділено методам аналізу макроекономічних показників, сценарному прогнозуванню, застосуванню цифрових інструментів та інформаційних ресурсів у бізнес-футурології. Запропоновано алгоритм переходу від теоретичних моделей прогнозування до практичних висновків і алгоритмів дій для підприємств, що функціонують в умовах глобальних викликів. Навчальний посібник буде корисним для здобувачів інших економічних і технічних спеціальностей, а також для представників бізнесу, оскільки містить комплексні міждисциплінарні матеріали, присвячені проблематиці стратегічного управління на базі бізнес-прогнозування та футурологічного бачення розвитку економіки
Фізика. Вибрані розділи механіки
No full textВ навчальному посібнику викладено вибрані розділи механіки. А саме кінематика та динаміка. В посібнику приділено увагу основним законам класичної механіки. Наведено приклади розв’язку задач і запропоновано питання для самостійної роботи. Навчальний посібник призначений для здобувачів ступеня бакалавр за спеціальностями: Галузеве машинобудування, Біотехнології та біоінженерія, Хімічні технології та інженерія. Також буде корисним для інших спеціальностей що вивчають фізику
Пакувальні технології та обладнання
No full textПризначення посібника – закріпити та поглибити теоретичний програмний матеріал освітнього компонента «Пакувальні технології та обладнання», розкрити особливості конструктивного оформлення пакувальних машин та пристроїв, основ конструювання й розрахунку їхніх базових конструктивних і технологічних параметрів.
Метою вивчення навчальної дисципліни є формування у студентів здатностей:
- вибирати пакувальне обладнання для різних видів продукції та виконувати його технічні розрахунки;
- забезпечувати ефективну експлуатацію пакувального обладнання в умовах виробництва;
- застосовувати сучасні методики розрахунку, проєктування та модернізації пакувальних машин і пристроїв
Fundamentals of data processing and experimental design. Lecture course
Full text linkВикладено основи сучасних методичних підходів до постановки та обробки результатів досліджень і математичних методів для планування та проведення експерименту. Розглянуті основні поняття математичної статистики. Запропоновано методи планування експерименту з використанням оптимізаційних моделей. Приділено увагу основам автоматизованої обробки результатів та планування експерименту за
допомогою пакетів MS EXEL, TIBCO STATISTICA, IBM SPSS STATISTICS. Призначений для здобувачів ступеня магістра за спеціальністю G5 Електроніка, електронні комунікації, приладобудування та радіотехніка, буде також корисним для здобувачів інших спеціальностей при опануванні основ оброблення даних та плануванні експерименту при дослідженні та розробці спеціальних систем електронних комунікацій.The basics of modern methodological approaches to setting and processing research results and mathematical methods for planning and conducting
experiments are presented. The main concepts of mathematical statistics are considered. Methods for planning experiments using optimisation models are proposed. Attention is paid to the basics of automated processing of results and planning of experiments using MS EXEL, TIBCO STATISTICA, and IBM SPSS STATISTICS packages. Intended for master's degree candidates majoring in G5 Electronics, Electronic Communications, Instrument Engineering and Radio Engineering, it will also be useful for candidates of other specialities in mastering the basics of data processing and planning
experiments in the research and development of special electronic communications systems
Хімічні технології мінеральних добрив та неорганічних продуктів. Курс лекцій
No full textВиробництво аміаку, нітратної кислоти, азотних добрив, сульфатної кислоти, суперфосфату і кальцинованої соди базується на застосуванні високих температур, тиску, вибухонебезпечних і шкідливих сумішей з потенціальною загрозою для робітників відповідних підприємств і довкілля. Це складні системи хімічних, масо- і теплообмінних процесів, які перебігають у різних фазах і вивчення яких сприятиме якісній підготовці фахівців з хімічних технологій та інженерії. Наведено фізико-хімічні основи відповідних технологій, описано технологічні схеми виробництва та конструкції основних реакторів. Посібник буде корисним студентам при вивченні освітнього компоненту, виконанні курсової роботи і бакалаврського проекту