Igor Sikorsky Kyiv Polytechnic Institute
Electronic Archive of Kyiv Polytechnic InstituteNot a member yet
72235 research outputs found
Sort by
Інформаційна система управління центром спортивної реабілітації
No full textМагістерська дисертація
складається з п’яти розділів,
містить 23 таблиці, 9 додатків та 43
джерел – загалом 117 сторінок.
Об`єкт дослідження:
інформаційні процеси управління
діяльністю спортивного центру.
Мета магістерської дисертації:
метою роботи є забезпечення
автоматизації обслуговування
клієнтів, підтримки їх за допомогою
інтелектуального помічника та
мотивація через бонусний магазин.
У першому розділі було
проаналізовано сучасні підходи до
управління спортивними центрами,
виявлено недоліки традиційних
методів та обґрунтовано потребу в
новій системі з інтеграцією ШІ.
У другому розділі було
обґрунтовано вибір технологічного
стеку для ефективної, безпечної та
масштабованої реалізації системи.
У третьому розділі було описано
архітектуру системи, включаючи
серверну та клієнтську частини,
базу даних, модуль ШІ та
механізми безпеки.
У четвертому розділі було
продемонстровано практичну
реалізацію інтерфейсів для
користувачів, тренерів та
адміністраторів, роботу чат-бота та
бонусної системи.
У пятому розділі було проведено
аналіз ринкових можливостей,
конкурентів та розроблено
стратегію запуску проєкту як
стартапу.The explanatory note consists of five
sections, contains 23 tables, 9
applications and 43 sources - a total
of 117 pages.
The object of study: information
processes for managing the activities
of a sports center.
The aim of the masters degree
thesis: the aim is to automate
customer service, support them with
an intelligent assistant, and motivate
them through a bonus store.
The first section analyzed modern
approaches to managing sports
centers, identified the shortcomings
of traditional methods, and justified
the need for a new system with AI
integration.
The second section justified the
choice of technology stack for
efficient, secure, and scalable
implementation of the system.
The third section described the
system architecture, including the
server and client parts, database, AI
module, and security mechanisms.
The fourth section demonstrated the
practical implementation of interfaces
for users, trainers, and
administrators, the operation of the
chatbot, and the bonus system.
In the fifth section, an analysis of
market opportunities, competitors,
and a strategy for launching the
project as a startup were developed
Ідентифікація та алгоритмічна компенсація температурних похибок тривісного блоку акселерометрів
No full textАкселерометри є ключовими елементами інерційних навігаційних систем, тому до їх точності висуваються високі вимоги. В умовах змін температури експлуатації датчиків виникають додаткові температурні похибки, що суттєво знижують точність вимірювань. Тому для їх компенсації застосовують алгоритмічну термокомпенсацію, яка базується на температурному калібруванні та математичному моделюванні
UAeroNet: спеціалізований набір даних для автоматизації безпілотних літальних апаратів
No full textThis paper addresses the challenges and key principles of designing domain-specific datasets that canbe used especially for automation of unmanned aerial vehicles. Such datasets play a key role in buildingintelligent systems that enable autonomous operation and support data-driven decisions. The study presentsapproaches we used for data collection, analysis and annotation, highlighting their importance and practicalimpact on real-world application. The preparation of a domain-specific dataset for automating unmannedaerial vehicles operations (such as navigation and environmental monitoring) is a challenging task due tofrequently low image resolution, complex weather conditions, a wide range of object scales, backgroundnoise and heterogeneous terrain landscapes. Existing open datasets typically cover only a limited variety ofunmanned aerial vehicles use cases, which restricts the ability of deep learning models to perform adequatelyunder non-standard or unpredictable conditions.The object of the study is video data acquired by unmanned aerial vehicles for creating domain-specificdatasets that enable machine learning models to perform autonomous object recognition, navigation, obstacleavoidance and interaction with an environment with minimal operator involvement. The subject focuseson the collection, preparation and annotation of video data acquired by unmanned aerial vehicles. Thepurpose of the study is to develop and systematize workflow for creating specialized datasets to trainrobust models capable of autonomously recognizing objects in real-time video captured by unmanned aerialvehicles. To achieve this goal, a workflow was designed for collecting and annotating video data, raw videodata were acquired from unmanned aerial vehicles sensors and manually annotated using the ComputerVision Annotation Tool.As a result of this work, we developed a domain-specific dataset (UAeroNet) using an open-sourceannotation tool for object tracking task in real scenarios.UAeroNetconsists of 456 annotated tracks and atotal of 131 525 labeled instances that belong to 13 distinct classes.У цій статті розглядаються ключові аспекти та принципи розробки спеціалізованих наборів даних, які можуть використовуватися, зокрема для автоматизації безпілотних літальних апаратів. У дослідженні описано підходи, які ми використали для збору, аналізу та анотації даних, зокрема їхню значущість та практичне застосування у реальних умовах. Підготовка спеціалізованого набору даних для автоматизації операцій безпілотних літальних апаратів (навігація, моніторинг довкілля) є складним завданням через часто низьку роздільну здатність зображень, складні погодні умови, великий діапазон масштабу об’єктів, фоновий шум та різнорідність ландшафтів місцевості. Наявні відкриті датасети зазвичай охоплюють лише обмежене різноманіття сценаріїв використання безпілотних літальних апаратів, що обмежує здатність моделей глибокого навчання адекватно працювати у нестандартних або непередбачуваних умовах. Об'єктом дослідження є відеодані, отримані за допомогою безпілотних літальних апаратів для створення спеціалізованих наборів даних, які дозволяють моделям машинного навчання виконувати автономне розпізнавання об'єктів, навігацію, уникнення перешкод та взаємодію з навколишнім середовищем з мінімальним втручанням оператора. Предмет дослідження зосереджений на зборі, підготовці та анотації відеоданих, отриманих за допомогою безпілотних літальних апаратів. Мета дослідження – розробити та систематизувати робочий процес для створення спеціалізованих наборів даних, які можна використовувати для навчання надійних моделей, здатних автономно розпізнавати об'єкти в режимі реального часу на відео знятому за допомогою безпілотних літальних апаратів. Для досягнення цієї мети було розроблено робочий процес для збору та анотування відеоданих, зібрано сирі відеодані з датчиків безпілотних літальних апаратів та виконано ручну анотацію за допомогою Computer Vision Annotation Tool. Розроблений нами спеціалізований набір даних для автоматизації безпілотних літальних апаратів в задачах відстеження об'єктів у практичних сценаріях отримав назву UAeroNet. UAeroNet складається з 456 анотованих треків та 131 525 розмічених екземплярів, що належать до 13 окремих класів
Development of a process for manufacturing bearing seat parts
No full textУ дипломому проекті бакалавра на тему «Розробка процесу виготовлення деталей гнізда підшипника» був розроблений повний набір процесу обробки деталей, включаючи аналіз конструкції, вибір матеріалу, визначення типу виробництва, проектування заготовки, демонстрацію основи процесу, вибір обладнання, вибір інструменту, вибір методу різання та стандартизацію процесу. Актуальність даної теми пов’язана з вимогами високої якості та високої ефективності виготовлення деталей у сучасному машинобудуванні, де жорсткість, герметичність і точність мають вирішальне значення для надійності обладнання. Обробка посадочних місць підшипників виконується на верстатах з ЧПК, які підходять для середньосерійного виробництва, що забезпечує високу точність, повторюваність і економічність процесу. Розрахунково-пояснювальна записка складається з 75 аркушів формату А4, містить 17 ілюстрації та 12 таблиць. При написанні роботи використано 15 джерел літератури. Графічна частина проєкту включає 6 аркушів креслень формату А1, виконаних відповідно до вимог ЄСКД. Розроблена технологічна документація може бути використана на машинобудівних підприємствах для впровадження або вдосконалення процесу виготовлення корпусних деталей.In the bachelor's thesis project on the topic "Development of a process for manufacturing bearing seat parts", a full set of parts processing processes was developed, including design analysis, material selection, determination of the type of production, workpiece design, demonstration of the process basis, equipment selection, tool selection, cutting method selection and process standardization. The relevance of this topic is associated with the requirements of high quality and high efficiency of manufacturing parts in modern mechanical engineering, where rigidity, tightness and accuracy are crucial for the reliability of equipment. The machining of bearing seats is performed on CNC machines suitable for medium-volume production, which ensures high accuracy, repeatability and costeffectiveness of the process. The calculation and explanatory note consists of 75 sheets of A4 format, contains 17 illustrations and 12 tables. 15 sources of literature were used when writing the work. The graphic part of the project includes 6 sheets of A1 format drawings, made in accordance with the requirements of the UECD. The developed technological documentation can be used at machine-building enterprises to implement or improve the process of manufacturing body parts
Бізнес-прогнозування. Практикум
No full textУ навчальному посібнику викладено докладний перелік рекомендацій щодо тематики практичних занять з дисципліни «Бізнес-прогнозування» для здобувачів першого (бакалаврського) рівня вищої освіти спеціальності 075 Маркетинг. Навчальний посібник також буде корисним для здобувачів інших економічних і технічних спеціальностей, оскільки містить міждисциплінарні завдання, присвячені проблематиці майбутнього. Кожне завдання максимально наближене до реалій практичної роботи маркетологів і пропонує значно розширити спектр традиційних досліджень у просторі і часі, що формує цілісну картину і підвищує ефективність прийняття управлінських рішень
Motion correction methods in perfusion magnetic resonance imaging
No full textДипломна робота за темою «Методи корекції артефактів руху на перфузійних зображеннях магнітно-резонансної томографії» виконана студентом кафедри біомедичної кібернетики ФБМІ Ціперком Владиславом Юрійовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 5 розділів («Основи обробки та аналізу медичних зображень», «Аналіз методів обробки МРТ-зображень», «Засоби реалізації програмного модуля» , «Програмна реалізація та тестування модуля корекції артефактів руху», «Захист інформації при обробці та зберіганні медичних зображень»), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 56 джерел, та додатків. Загальний обсяг роботи 88 сторінокThe bachelor's thesis entitled "Motion correction methods in perfusion magnetic resonance imaging" was completed by Vladyslav Y. Tsiperko, a student of the Department of Biomedical Cybernetics, Faculty of Biomedical Engineering, majoring in 122 "Computer Science" under the educational and professional program "Computer technologies in biology and medicine". The thesis includes the following parts: an introduction; five chapters ("Fundamentals of processing and analysis of medical images", "Analysis of MRI image processing methods", "Implementation tools of the software module", "Software implementation and testing of motion correction module", "Information security in the processing and storage of medical images"); conclusions to each chapter; general conclusions; a list of references (56 sources); and appendices. The total length of the thesis is 88 pages
On stochastic partial differential equations with random initial conditions (Пленарна доповiдь)
No full textСистема для поповнення словникового запасу іноземної мови із застосуванням штучного інтелекту
No full textМагістерська дисертація
складається з чотирьох розділів,
містить 24 таблиці, 9 додатків та 40
джерел – загалом 145 сторінок.
Об`єкт дослідження: система для
поповнення словникового запасу із
застосуванням штучного інтелекту.
Мета магістерської дисертації:
вдосконалення процесу
ефективного поповнення
словникового запасу у вигляді
вебзастосунку з використанням
технологій штучного інтелекту.
У першому розділі було
проаналізовано сучасні методи
вивчення лексики, застосування ШІ
у системах поповнення
словникового запасу, виявлено
недоліки існуючих рішень та
розроблено концептуальну модель
системи.
У другому розділі було проведено
порівняльний аналіз технологій та
фреймворків для клієнтської та
серверної частин, СУБД, ШІ-
провайдера та спроєктовано
архітектуру системи.
У третьому розділі було
реалізовано практичну систему з
усіма основними сторінками
(автентифікація, профіль, картки,
вікторина), розроблено структурну
схему та діаграми послідовності
роботи системи.
У четвертому розділі було
розроблено стартап-проєкт з
описом ідеї, аналізом ринку та
конкуренції, SWOT-аналізом,
визначенням цільових груп
споживачів та маркетинговою
стратегією.The explanatory note consists of four
sections, contains 24 tables, 9
applications and 40 sources - a total
of 145 pages.
The object of study: system for
expanding foreign language
vocabulary using artificial
intelligence.
The aim of the master's degree
thesis: is to improve the process of
effective vocabulary enrichment
using artificial intelligence
technologies in the form of a web
application.
The first chapter analyzed modern
methods of vocabulary study and the
application of AI in vocabulary
enrichment systems, identified the
shortcomings of existing solutions,
and developed a conceptual model of
the system.
The second chapter conducted a
comparative analysis of technologies
and frameworks for client and server
parts, DBMS, AI provider, and
designed the system architecture.
In the third chapter, a practical
system with all the main pages
(authentication, profile, cards, quiz)
was implemented, and a structural
diagram and system sequence
diagrams were developed.
In the fourth section, a startup project
was developed with a description of
the idea, market and competition
analysis, SWOT analysis, definition
of target consumer groups, and
marketing strategy
Методи штучного інтелекту для адаптивної персоналізації веб інтерфейсів у реальному часі
No full textСистема персоналізації веб-інтерфейсів — це програмне забезпечення, що використовує методи штучного інтелекту (зокрема, модель MLP) для адаптації UI в реальному часі на основі анонімних сесійних метрик користувача (час взаємодії, кількість секцій, цінність дій). Вона сегментує користувачів на рівні намірів (низький, середній, високий), генерує JSON-конфігурації для зміни порядку секцій, тексту та функцій, забезпечуючи підвищення залученості без персональних даних. Розроблено на Python (FastAPI, scikit-learn) для backend та Next.js (React, TypeScript) для frontend, з latency <100 мс та GDPR-сумісністю.Актуальність теми. У сучасному цифровому середовищі статичні веб-інтерфейси не враховують індивідуальні потреби користувачів, що призводить до зниження залученості та конверсії. Методи штучного інтелекту дозволяють створювати адаптивні інтерфейси, які динамічно налаштовуються під поведінку в реальному часі, без використання персональних даних. Критичний аналіз показує обмеженість rule-based систем та залежність сучасних рішень (Amazon, Netflix) від історичних даних, що робить актуальним розробку анонімної реал-тайм персоналізації на основі сесійних метрик. Мета роботи. Визначення ефективних методів штучного інтелекту для адаптивної персоналізації веб-інтерфейсів у реальному часі та встановлення їх практичної застосовності для підвищення показників залученості користувачів.
Завдання дослідження. Дослідження підходів до персоналізації та ML-методів класифікації намірів; аналіз датасету поведінки онлайн-покупців з feature engineering; розробка та порівняння шести ML-моделей для сегментації; проектування архітектури real-time системи з інтеграцією ML; реалізація ПЗ з збором даних, API інференсу та адаптацією UI. Об’єкт дослідження. Процес моделювання поведінки користувачів веб-інтерфейсів для прогнозування намірів та сегментації на основі анонімних сесійних даних.
Предмет дослідження. Методи машинного навчання для класифікації користувачів за рівнем наміру та алгоритми динамічної адаптації компонентів веб-інтерфейсу в реальному часі. Методи дослідження. Аналітичні: порівняльний аналіз шести алгоритмів ML за метриками accuracy, F1-score, AUC-ROC, аналіз важливості ознак Random Forest. Експериментальні: навчання моделей на датасеті "Online Shoppers Purchasing Intention" зі стратифікованим поділом 80/20, SMOTE-балансуванням, StandardScaler-масштабуванням. Моделювання: розробка RESTful API на FastAPI (latency <100 мс), архітектура Clean Architecture, збір даних Intersection Observer API та sessionStorage.
Апробація результатів роботи. Результати апробовано під час переддипломної практики на кафедрі цифрових технологій в енергетиці КПІ ім. І. Сікорського, з демонстрацією системи та оцінкою продуктивності.
Структура та обсяг магістерської дисертації. Робота складається з вступу, чотирьох розділів, висновків, списку джерел (26 позицій) та додатків. Обсяг - 91 сторінка, 18 рисунків, 15 таблиць.
Публікації. Публікація представлена на 23-й Міжнародній науково-практичній конференції «Математичне та програмне забезпечення інтелектуальних систем»Relevance of the topic. In the modern digital environment, static web interfaces do not account for individual user needs, leading to decreased engagement and conversion. Artificial intelligence methods enable adaptive interfaces that dynamically adjust to real-time behavior without personal data. Critical analysis shows limitations of rule-based systems and dependence of modern solutions (Amazon, Netflix) on historical data, making anonymous real-time personalization based on session metrics relevant.
Purpose of the work. Determination of effective artificial intelligence methods for adaptive personalization of web interfaces in real time and establishment of their practical applicability to increase user engagement indicators.
Research tasks. Study of approaches to web interface personalization and ML methods for user intent classification; analysis of online shopper behavior dataset with feature engineering; development and comparison of six ML models for user segmentation; design of real-time system architecture integrating ML; implementation of software including data collection, model inference API, and dynamic UI adaptation.
Object of research. The process of modeling user behavior in web interfaces for intent prediction and segmentation based on anonymous session data.
Subject of research. Machine learning methods for classifying users by intent level and algorithms for dynamic adaptation of web interface components in real time.
Research methods. Analytical: comparative analysis of six ML algorithms by accuracy, F1-score, AUC-ROC metrics, feature importance analysis using Random Forest. Experimental: model training on "Online Shoppers Purchasing Intention" dataset with stratified 80/20 split, SMOTE balancing, StandardScaler scaling. Modeling: development of RESTful API on FastAPI (latency <100 ms), Clean Architecture design, data collection using Intersection Observer API and sessionStorage.
Approbation of work results. Results were approbated during pre-diploma practice at the Department of Digital Technologies in Energy at KPI named after I. Sikorsky, with system demonstration and performance evaluation.
Structure and volume of the master's thesis. The work consists of an introduction, four sections, conclusions, list of sources (26 items), and appendices. Volume - 91 pages, 18 figures, 15 tables.
Publications. The publication was presented at the 23rd International Scientific and Practical Conference “Mathematical and Software Support of Intelligent Systems”
Determination of generation polynomials of binary correction BCH codes
No full textThe article deals with the construction of binary BCH codes based on generating polynomials. To determine the generating polynomial of the corresponding BCH code, a Galois field is used, each of whose elements corresponds to a minimal polynomial. To find minimal polynomials, a sequence of integers is divided into (2, n)-cycles. The generating polynomial is defined as the least common multiple of the minimal polynomials of the first 2t elements of the Galois field, where t is the desired correction capability of the designed BCH cod