2024 № 2 Системний аналіз, управління та інформаційні технології

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/84913

Переглянути

Фільтри

20242

Налаштування

Ключові слова: search.filters.subject.neural networks

Результати пошуку

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    Інтелектуальна інформаційна технологія швидкої класифікації за умов перетинних класів
    (Національний технічний університет "Харківський політехнічний інститут", 2024) Бодянський, Євгеній Володимирович; Чала, Ольга Сергіївна
    Предметом дослідження є процес швидкої класифікації даних за умов перетинних класів. Швидка класифікація виконується в режимі реального часу або близькому до нього. Мета роботи полягає у розробці інтелектуальної інформаційної технології швидкої класифікації в online та nearline режимах за умов перетинних класів. Досягнення мети дає можливість врахувати нестаціонарність вхідних даних та дисбаланс класів за умов потокового надходження даних. Задачі компенсації шумів у вхідних даних та зміну розподілу вхідних даних внаслідок нестаціонарності таких даних, а також задача компенсації дисбалансу класів пов’язані між собою при класифікації в умовах перетинних класів та потребують розробки комплексного рішення. Для досягнення мети вирішуються такі задачі: структуризація підходів до класифікації перетинних класів з урахуванням нестаціонарності вхідних даних та дисбалансу класів; розробка інтелектуальної технології класифікації в online та nearline режимах.
  • Ескіз
    Документ
    Application of optical character recognition and machine learning technologies to create an information system for automatic verification of offline testing
    (Національний технічний університет "Харківський політехнічний інститут", 2024) Ziuziun, Vadym Ihorovych; Petrenko, Nikita Andriiovych
    During the learning process in any field, testing and monitoring the knowledge of students or other learners is an essential part. The purpose of this research was to develop an information system (web platform) that simplifies the offline test grading process using optical character recognition technologies powered by machine learning algorithms. The object of this research is the processes and functionality involved in creating an information system for the automated grading and evaluation of offline tests. The developed system can recognize handwritten text from photos, create an array of responses, and compare them to the answers provided by the teacher. This approach significantly reduces the time teachers spend on grading tests. For user convenience, a minimalist interface was created, granting access to all main system functions with intuitive controls. A detailed description of the developed algorithms and machine learning models is provided.