Розроблення інтелектуальної системи контекстного аналізу та інтерпретації символічних зображень на основі машинного навчання
Автор: Русалін Кирилл Олегович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проєктування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Русалін К.О., Оборська О.В. (керівник). Розроблення інтелектуальної системи контекстного аналізу та інтерпретації символічних зображень на основі машинного навчання. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2025. Розширена анотація. Магістерська кваліфікаційна робота присвячена розробленню інтелектуальної системи контекстного аналізу та інтерпретації символічних зображень на основі машинного навчання. Запропоновано гібридний підхід, що поєднує локальне розпізнавання на основі згорткової нейронної мережі [1] з хмарною генерацією інтерпретацій через великі мовні моделі [2]. Розроблено методику структурованого формування запитів [3], що враховує тип символу, його позицію в аналізі, категорію запиту користувача та стиль інтерпретації. Система вирішує обмеження існуючих рішень, які або не підтримують розпізнавання фізичних карт, або використовують статичні інтерпретації без врахування індивідуального контексту. Об’єкт дослідження – процес розроблення інтелектуальної системи контекстного аналізу та інтерпретацій символічних зображень на основі машинного навчання. Предмет дослідження – методи та засоби розроблення інтелектуальної системи контекстного аналізу та інтерпретацій символічних зображень на основі машинного навчання. Мета дослідження: розроблення інтелектуальної системи контекстного аналізу та інтерпретацій символічних зображень на основі машинного навчання. Реалізовано повнофункціональний мобільний застосунок для платформи Android. Проведене тестування на реальному пристрої підтвердило працездатність усіх компонентів системи, точність розпізнавання символів та якість згенерованих інтерпретацій. Розроблені архітектурні рішення можуть бути адаптовані для інших символічних систем та застосунків, що вимагають поєднання комп’ютерного зору з обробкою природної мови. Ключові слова - машинне навчання, розпізнавання зображень, мобільні застосунки, великі мовні моделі, символічні зображення, контекстний аналіз. Перелік використаних літературних джерел. Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., & Chen, L. C. (2018). MobileNetV2: Inverted residuals and linear bottlenecks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 4510-4520. DOI: 10.1109/CVPR.2018.00474 Brown, T., Mann, B., Ryder, N., et al. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877-1901. Liu, P., Yuan, W., Fu, J., et al. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1-35. DOI: 10.1145/3560815