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

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

Akmens gravējumu rakstzīmju optiskās atpazīšanas precizitātes uzlabošana ar attēlu priekšapstrādes metodēm

Šis pētījums ir vērsts uz priekšapstrādes metožu izstrādi, lai uzlabotu optiskās rakstzīmju atpazīšanas (OCR) precizitāti akmens gravējumiem. Galvenais mērķis ir uzlabot plaši izmantotu OCR rīku precizitāti, sevišķi tekstiem, kas iegravēti uz akmens virsmām, kuras rada unikālas problēmas, kas atšķiras no tradicionālajiem OCR pielietojumiem. Uzsvars tiek likts uz attēlu priekšapstrādes metožu izstrādi kā programmatūras produktu. Darbā tika izmantoti pielāgoti attēlu manipulāciju skripti, lai uzlabotu atpazīšanas precizitāti un risinātu tādas problēmas kā kontrasts, izlīdzināšana, troksnis un izšķirtspēja. Priekšapstrādes posms tika integrēts darba plūsmā, kas paredzēta attēlu pārveidošanai pirms OCR apstrādes, savukārt pēc apstrādes tika veikts atpazīšanas uzlabojumu novērtējums, balstoties uz teksta līdzības metriku analīzi. Iteratīva attēlu tekstu atpazīšana un atkārtota atpazīšana pēc pielietotas priekšapstrādes parādīja ievērojamus OCR precizitātes uzlabojumus. Šis darbs nodrošina stabilu pamatu turpmākai OCR darba plūsmas uzlabošanai, lietojot pielāgojamas priekšapstrādes tehnikas, kas paredzētas tieši specifiskajām problēmjomām, sasniedzot augstāku precizitāti tekstu atpazīšanā.

Autors: Romans Urbans-Orbans

Vadītājs: Aleksandrs Grakovskis

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Latviešu

Studiju programma: Datorzinātnes

Vairāk...

Izgūšanas-papildināšanas ģenerēšanas sistēmu uzlabošanas stratēģijas

Šis darbs sistemātiski pēta izgūšanas-papildināšanas ģenerēšanas sistēmu (RAG) sistēmu uzlabošanu lielo valodu modeļos, uzsverot izguves parametru optimizāciju un ģenerēšanas precizitāti. Tiek pētīta RAG sistēmu optimālās konfigurācijas, tostarp informācijas daļu lielumu un pārklāšanās procentus, top-k atlasi, vaicājumu transformācijas, dažādas izguves metodes, dažādus lielos valodu modeļus, proti, GPT-3.5-Turbo un GPT-4, atklājot, ka informācijas lielums visbiežāk ir 500 marķieri. piedāvā vislabāko veiktspēju. Vektoru meklēšana, izmantojot kosinusu līdzību, kļūst par visefektīvāko izguves metodi, ievērojami uzlabojot gan konteksta precizitāti, gan dažādu uzdevumu un zināšanu bāzu atsaukšanu. Eksperimentēšana CRUD-RAG ietvaros parāda tās pielietojamību dažādos uzdevumos, sākot no satura izveides līdz zināšanu pilnveidošanai. Atklājumi liecina, ka izguves iestatījumu uzlabojumi var ievērojami uzlabot RAG sistēmu veiktspēju, padarot tās efektīvākas un pielāgojamākas sarežģītiem informācijas sintēzes un izguves uzdevumiem. Šie rezultāti apstiprina sistemātisku uzlabojumu potenciālu, lai uzlabotu mākslīgā intelekta vadītus valodas modeļus praktiskos lietojumos, sniedzot nozīmīgu ieskatu un praktiskas pieejas RAG sistēmu izpētes ainavai.

Autors: Sigita Lapiņa

Vadītājs: Dmitry Pavlyuk

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Šķērsplatformas 2D Spēļu izstrāde, izmantojot OpenGL un ImGui bibliotēkas

Šī bakalaura darba mērķis bija izstrādāt starpplatformu aplikāciju, kas satur divas 2D spēles – Tetris un Snake. Darba gaitā tika analizēta priekšmeta joma un salīdzināti esošie analogi. Prasības tika formulētas, pamatojoties uz analīzes secinājumiem. Drīz pēc tam tika izveidots prasību modelis, kurā tika identificēti dalībnieki un izstrādāti lietošanas gadījumi. Pamatojoties uz izstrādātajiem lietošanas gadījumiem, tika izveidota lietošanas gadījumu diagramma, kā arī secību diagrammas un sākotnējā klašu diagramma. Ieviešanas posmā programmatūra tika izstrādāta C++ valodā, izmantojot OpenGL un Dear ImGui grafiskās bibliotēkas. Beigās tika izstrādātas 2 spēles. Visbeidzot tika pārbaudīta izstrādātā programmatūra. Testa rezultāti parādīja, ka izstrādātā aplikācija bakalaura darba izpildes procesā pilnībā atbilst visām tai izvirzītajām prasībām.

Autors: Staņislavs Ņilovs

Vadītājs: Karina Kostjkina

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Ar pipeline saistītu artefaktu un bojājumu atpazīšana IHC krāsojumos izmanotojot KNT kā pirmapstrādes posms patoloģiskajai analīzei

Šajā darbā tiek piedāvāts automatizēts risinājums artefaktu un bojājumu segmentācijai biomedicīnas attēlos, izmantojot mašīnmācīšanās algoritmus. Izstrādes process ietver datu pirmapstrādi, marķējuma klasifikāciju, izmantojot klasterizācijas algoritmus, un segmentācijas modeli. Segmentēšanai tiek izmantotas tādas KNT arhitektūras kā YOLO un U-NET, bet klasterizācijai tiek novērtēti K-Means un DBSC algoritmi. Rezultāti ietver datu pirmapstrādes priekšnoteikumu kopumu, klasterizācijas algoritma testēšanu un rezultātu analīzi, segmentācijas modeli un ieteikumus turpmākai attīstībai.

Autors: Taisija Kožarina

Vadītājs: Jeļena Kijonoka

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Programmatūras izstrādes aspektu izpēte, izmantojot tehnoloģiju node.js

Lai izpētītu programmatūras izstrādes aspektus, tika izveidota servera aplikācija, kas izmanto Node.js un NestJS, lai veidotu REST API. Šis API integrē Google Natural Language AI, lai analizētu iesniegtās lietotāju atsauksmes. Aplikācija ietver vairākas REST adreses, kas spēj apstrādāt, analizēt un apkopot datus par lietotāju atsauksmēm. Tika veikti veiktspējas mērījumi, analizējot notikumu gaidīšanas laiku, atmiņas un CPU izmantošanu, kā arī citiem svarīgiem rādītājiem. Datu glabāšanai tika izmantota MongoDB datubāze. Darbs iekļauj API un tā veiktspējas novērtējumu. Aplikācija tika testēta, lai nodrošinātu tās atbilstību izvirzītajiem kritērijiem un nodrošinātu praktisku pielietojumu.

Autors: Valērijs Sergejevs

Vadītājs: Mihails Savrasovs

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Table View
Text View