Search academic texts

Information × Registration Number 0825U001962, PhD dissertation Status Доктор філософії Date 09-07-2025 popup.evolution o Title Methods and software for solving the classification problem based on three-dimensional neural networks. Author Oleksandr Paladiiev, popup.head Oleg I. Lisovichenko popup.opponent Vasyl M. Teslyuk popup.opponent Viktoriia Zhebka popup.review Yevhen O. Krilov popup.review Andrii P. Musiienko Description Дисертаційна робота присвячена розробці та дослідженню спеціалізованих програмних засобів для ефективної класифікації тривимірних зображень з можливістю їх інтеграції в різноманітні автоматизовані процеси. Основною метою дослідження є вдосконалення методів обробки та аналізу тривимірних даних шляхом застосування передових підходів до проектування архітектур нейронних мереж і розробки адаптивних алгоритмів оптимізації. У ході виконання роботи досягнуто наступних результатів: Вперше запропоновано використання опонентної кольорової системи як методу попередньої обробки даних. Запропонований метод підвищує інформативність ознак і покращує їхню інтерпретацію нейронними мережами, що суттєво зменшує втрати при класифікації. Додатково, досліджено особливості роботи опонентної системи в умовах різного рівня зашумленості вхідних даних, що дозволило розробити стратегії її адаптації до специфічних наборів зображень. Вперше розроблено топологію нейронних зв’язків яка реалізує локально-обмежені структури зв’язків з протилежними нейронами та їх безпосередніми сусідами в тривимірному просторі. Запропонована топологія поєднує розширювальні та звужувальні шари, що сприяє ефективному вилученню ознак. Особлива увага приділялася оптимізації параметрів цих шарів для забезпечення їхньої гнучкості й адаптивності під різні типи даних, а також визначенню оптимальної кількості нейронів і типів функцій активації для покращення навчання мережі. Вперше розроблено методи зміни кількості нейронних зв’язків. Ці підходи забезпечують підвищення швидкодії програмних засобів класифікації, за рахунок видалення слабких зв’язків та підвищення точності класифікації за рахунок генерації нових зв’язків для нейронів з вагами, наближеними до меж функції активації. Розроблено та протестовано кілька методів адаптації, включаючи методи поступового усічення ваг і додавання нових зв'язків для підвищення стійкості моделі до варіативності вхідних даних. Розроблено програмні засоби для забезпечення доступу до функціоналу класифікації тривимірних зображень, який дозволяє інтегрувати можливості класифікації в різні автоматизовані процеси. Реалізоване рішення підтримує масштабованість обробки великих обсягів даних, включаючи функції попередньої обробки, аналізу результатів і моніторингу продуктивності. Здійснено детальне тестування продуктивності розроблених програмних засобів на основі двох тривимірних наборів даних. Результати експериментів підтвердили високу точність і продуктивність розробленого підходу, що забезпечує його конкурентоспроможність у вирішенні задач автоматизованої класифікації складних тривимірних структур. Таким чином, створений метод класифікації та програмні засоби є ефективним рішенням для класифікації тривимірних зображень, поєднуючи новітні архітектури нейронних мереж і алгоритми оптимізації для досягнення високих показників точності та продуктивності. Запропонований підхід демонструє високу гнучкість і адаптивність, що дозволяє його застосування в широкому спектрі прикладних задач, включаючи медичну діагностику, промислову автоматизацію та аналіз наукових даних. Registration Date 2025-05-26 popup.nrat_date 2025-05-26 Close