Реєстраційний номер
0423U100091, Кандидатська дисертація
На здобуття
Кандидат технічних наук
Дата захисту
01-06-2023
Статус
Захищена
Назва роботи
Інформаційна технологія розпізнавання мережевих даних Інтернет на основі генеративних нейромережевих моделей
Здобувач
Долгих Сергій Миколайович,
Керівник Приставка Пилип Олександрович
Опонент Терейковський Ігор Анатолійович
Опонент Мирутенко Лариса Вікторівна
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Національний авіаційний університет
Опис
У роботі проведено дослідження, теоретичне обґрунтування, розробку, програмне виконання та експериментальну перевірку методів навчання розпізнавання класів даних пакетів трафіку Інтернет та інших типів з даними навчання мінімального обсягу на основі структури щільності генеративних представлень даних та запропоновано інформаційну технологію обробки даних та навчання машинних систем на основі структури щільності генеративних представлень. У теоретичній частині роботи досліджувалися методи створення інформативних генеративних представлень та доведено теорему про категоризацію в генеративних представленнях, що лежить в основі методів навчання з мінімальними наборами відомих даних, запропонованих у роботі. На підставі результатів теоретичної частини та огляду сучасних методів та моделей навчання штучних систем, запропоновані методи навчання з використанням неконтрольованої генеративної структури (ландшафту щільності) представлень даних Інтернет: метод виявлення характерних типів даних без вимог відомих даних; та метод ітеративного навчання на генеративному ландшафті з мінімальними наборами навчальних даних, до кількох зразків. На основі результатів теоретичних досліджень та експериментальної перевірки запропонованих методів запропоновано інформаційну технологію навчання з використанням неконтрольованої генеративної структури (ландшафту щільності) представлень, яка з'єднує обробку даних, навчання генеративних моделей та виявлення інформаційної структури даних у єдиний процес, який може застосовуватися з даними різних джерел та типів. Результати роботи підтверджуються ретельним аналізом теоретичних основ, доскональною експериментальною перевіркою та рецензованими публікаціями в українських та міжнародних наукових виданнях.
Дата реєстрації
2023-06-16
Додано/оновлено в НРАТ
2023-06-16 / 2026-07-01
