Search academic texts

Information × Registration Number 2120U008667, Article popup.category Бакалаврська робота Title Моделі та методи інтелектуального аналізу даних COVID – 19 (AI translated) popup.author Лупаненко Софія ОлександрівнаСапєльніков Олександр СергійовичLupanenko Sofiya OleksandrivnaSapielnikov Oleksandr Serhiiovych popup.publication 01-06-2020 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/37550 popup.publisher Київ Description Дипломна робота містить: 249 с., 23 табл., 129 рис., 2 дод. та 36 джерел. Об’єктом дослідження 2 частини є вибірка рентген зображень здорової людини та хворої на коронавірус. Об’єктом дослідження 3 частини є вибірка захворюваності та смертності на коронавірус. Предметом дослідження 2 частини є методи інтелектуального аналізу даних на основі згортокої нейронної мережи та класифікації зображень. Предметом дослідження 3 частини є методи інтелектуального аналізу даних на основі регресії та аналізу часових рядів. Програмною мовою була обрана Python. В даній роботі проведено дослідження можливості класифікації рентген зображень та проаналізовано часові ряди. Для побудови моделей були використані згортові нейронні мережи в випадку 2 частини та регресійні методи на основі простих нейронних мереж в випадку 3 частини. Прогнозування було виконано на основі рентген зображень здорових та хворих людей в випадку 2 частини та основі часових рядів захворювання та смертності в випадку 3 частини . При виконанні роботи було встановлено моделі та методи, що дають найкращі результати які достатньо близькі до реальних. Напрямок розвитку роботи є в розширенні функціоналу та зменшенні похибки прогнозування. Планується додати можливість класифікації типу коронавірусу та встановити залежність між смертністю та захворюваністю у різних країнах світу. Thesis: 249p, 23 tabl., 129 fig., 2 add. and 36 references. The object of the research of Part 2 is a sample of X-ray images of a healthy person and a patient with coronavirus. The object of the research of Part 3 is the sampling of morbidity and mortality from coronavirus. The subject of the research of Part 2 are methods of data mining based on convoluted neural network and image classification. The subject of the research of Part 3 are methods of data mining based on regression and time series analysis. Programming language Python. This work is a study of the possibility of classification of X-ray images and time series analysys. Collapsible neural networks in the case of part 2 and regression methods based on simple neural networks in the case of part 3 were used to build the models. The prediction was performed on the basis of X-ray images of healthy and sick people in the case of Part 2 and on the basis of time series of morbidity and mortality in the case of Part 3. When performing the work, models and methods were established that give the best results that are close enough to the real ones. The direction of development of work is in expansion of functionality and reduction of forecasting error. It is planned to add the possibility of classifying the type of coronavirus and to establish a relationship between mortality and morbidity in different countries. popup.nrat_date 2025-11-05 Close