TSI logo 25 years
LV EN
Home > Par mums > Struktūra un pārvaldība > Anotācijas

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

ATSLĒGVĀRDI

AI vadīta balss atpazīšana: Modeļa izstrāde un pielietojums

Šī bakalaura darba mērķis bija izstrādāt runas atpazīšanas modeli ar aplikāciju, kurai ir sistēmas palīga iespējas. Autora darba rezultāts ir modelis, kas spēj atpazīt runu no ierobežota vārdu kopuma, un lietojumprogramma, kas ir koncepcijas prototips. Programmatūra ir izstrādāta, izmantojot Visual Studio Code/Jupyter un Python programmēšanas valodu ar tādiem lieliem ietvariem kā Keras. Bakalaura darba izpildes procesā izveidotais programprodukts pilnībā atbilst visām tam izvirzītajām prasībām un ir gatavs darbam.

Autors: Aleksejs Ņikiforovs

Vadītājs: Dmitry Pavlyuk

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Mašīniskās slīpēšanas algoritmu veiktspējas uzlabošana, samazinot datu kopas dimensiju, izmantojot šūnu automātus

Nozīmīgs izaicinājums mašīnmācīšanā ir darbs ar lieldimensiju datiem. Sarežģītība, kas pazīstama kā "dimensijas lāsts", izraisa mašīnmācīšanās algoritmu veiktspējas pasliktināšanos, palielinoties dimensijai un datu kopas lielumam. Šūnu automāti ir dinamiska diskrēta skaitļošanas sistēma ar matemātiskām funkcijām, kas pazīstamas kā noteikumi, kuri rada sarežģītu globālu uzvedību. Mēs izmantojām viendimensiju elementāros šūnu automātus kā rīku datu kopas lieluma noteikšanai. Modeļa mainīgie tika atlasīti sākotnējā stāvokļa vektora ģenerēšanai un tā tālākai pārveidošanai formātā, kas ir piemērots šūnu automāta noteikumu piemērošanai, ko šūnu automātu teorijā pazīst kā konfigurāciju. Pēc tam modelis tika iterēts, izmantojot visus iespējamos šūnu automāta noteikumus, un tika piemērotas dažādas epohālās variācijas. Samazinātās datu kopas modeļa veiktspēja tika salīdzināta ar sākotnējās datu kopas etalonrezultātiem pēc standarta dimensiju samazināšanas tehnikas izmantošanas. Tika secināts, ka piemērotos šūnu automātu noteikumus var izmantot kā alternatīvas metodes datu kopas izmēru samazināšanai, nepasliktinot modeļa veiktspēju.

Autors: Alexey Kuchvalskiy

Vadītājs: Dmitry Pavlyuk

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Dabiskās Valodas Apstrādes modeļa dzīvotspējas novērtēšana kravas ekspeditoru Elektroniskā Kontrolsarakstu Sistēmā: Informācijas ieguve no kravas aprakstiem.

Šajā pētījumā tiek izskatīta Dabiskās valodas apstrādes (NLP) pielietojums elektronisko pārbaudes sarakstu sistēmās, lai uzlabotu kravas aprakstīšanu un nostiprināšanas praksi kravu pārvadātājiem. Loģistikas nozare saskaras ar nozīmīgām problēmām sakarā ar sarežģītiem un daudzveidīgiem likumiem un vajadzību pēc autonomām validācijas rīkiem kravu nostiprināšanai. Šī pētījuma mērķis ir izstrādāt noteikumu pamatā balstītu nosauktu entitāšu atpazīšanas (NER) modeli, lai standartizētu un automatizētu entitāšu izvilkšanu no kravas aprakstiem.Šī pētījuma galvenie komponenti ietver entitāšu izvilkšanas mehānisma izstrādi, izmantojot regulārās izteiksmes un standartizēto kodu sistēmas. Pētījums demonstrē NLP risinājumu potenciālu, lai no detalizētiem kravas aprakstiem ģenerētu precīzus, dinamiskus pārbaudes sarakstus, nodrošinot, ka tiek apsvērtas visas būtiskās uzdevumu sadaļas. Izstrādātā NER modelis tiek novērtēts, veicot virkni eksperimentu, demonstrējot augstu precizitāti, atpazīšanas un F1 rezultātus, tādējādi uzsvērojot tā praktisko pielietojamību reālās loģistikas operācijās. Atradumi uzsver kravas saistītās informācijas standartizēšanas nozīmi, lai veicinātu automatizēto NLP risinājumu plašāku pieņemšanu loģistikas nozarē.

Autors: Nikita Mickevičs

Vadītājs: Dmitry Pavlyuk

Līmenis: Profesionālais bakalauriāts

Gads: 2024

Darba valoda: Angļu

Table View
Text View