This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
staff:courses:theses [2019/09/30 11:37] natalya.razmochaeva |
staff:courses:theses [2019/10/01 09:14] tatyana.berlenko |
||
---|---|---|---|
Line 8: | Line 8: | ||
===== Антон Филатов ===== | ===== Антон Филатов ===== | ||
+ | ==== Occupancy grid map conflict ==== | ||
+ | Цель: Разрешение конфликтов в картах занятости, построенных различными агентами при решении задачи SLAM | ||
+ | |||
+ | Предполагаемые задачи: | ||
+ | * исследование способов сохранения 2D карты в файл | ||
+ | * исследование способов выявления конфликтующих частей карт занятости | ||
+ | * применение фильтрации для разрешения конфликтов | ||
+ | |||
+ | ==== Image clusterisation ML-free ==== | ||
+ | |||
+ | Цель: Разработка алгоритма выделения на изображении, полученного с видеокамеры, установленной на автомобиле, независимых частей без использования нейронных сетей. | ||
+ | |||
+ | Предполагаемые задачи: | ||
+ | * Применение различных способов для кластеризации изображений: функция максимального правдоподобия, быстрое преобразование Фурье | ||
+ | * Оценка возможности работы таких алгоритмов в условии шумов | ||
+ | * Оценка эффективности (скорости работы) таких алгоритмов | ||
+ | |||
+ | ==== Image clusterisation with ML ==== | ||
+ | |||
+ | Цель: Разработка алгоритма выделения на изображении, полученного с видеокамеры, установленной на автомобиле, независимых частей c использованием нейронных сетей | ||
+ | |||
+ | Предполагаемые задачи: | ||
+ | * Применение различных существующих нейронных сетей к задаче кластеризации объектов на изображении | ||
+ | * Оценка эффективности одновременного применения нескольких разных типов нейронных сетей | ||
+ | * Оценка точности в сравнении с "обычными" методами | ||
===== Артём Филатов ===== | ===== Артём Филатов ===== | ||
Line 39: | Line 64: | ||
===== Наталья Размочаева ===== | ===== Наталья Размочаева ===== | ||
- | ==== Исследование алгоритмов анализа данных ==== | + | ==== Исследование и разработка алгоритмов интеллектуального анализа данных розничной торговли ==== |
- | ==== Разработка алгоритмов анализа данных ==== | + | Цель: разработать алгоритм интеллекутального анализа данных (ИАД) для решения задачи управления продажами, например, оптимизация продаж, прогнозирование продаж, и извлечение новой информации из данных |
+ | Возможные задачи: | ||
+ | * Обзор литературы по применению алгоритмов ИАД и машинного обучения в области розничной торговли. | ||
+ | * Формирование стека применимых алгоритмов (статистический анализ, алгоритмы машинного обучения: алгоритмы feature selection и feature extraction, supervised и unsupervized, и пр.). | ||
+ | * Формирование критериев для сравнения выделенных алгоритмов. | ||
+ | * Сравнительный анализ алгоримов. | ||
+ | * Разработка модификаций (улучшений) алгоритмов, тестирование, отдалка, апробация. | ||
+ | * Разработка существенно новых алгоритмов, тестирование, отдалка, апробация. | ||
+ | |||
+ | Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy | ||
+ | |||
+ | ==== Исследование и разработка алгоритмов интеллектуального анализа гидроакустических данных ==== | ||
+ | |||
+ | Цель: разработать программное обеспечение для моделирования и исследования гидроакустических сигналов | ||
+ | |||
+ | Возможные задачи: | ||
+ | * исследование физики формирования сигналов (как сигнал формируется, какие значимые условия формирования сигнала) | ||
+ | * исследование физики распространения гидроакустического сигнала: определение значимых условий для распространения сигнала | ||
+ | * моделирование гидроакустических сигналов (генерация сигналов при различных условиях) | ||
+ | * исследование гидроакустических сигналов в зависимости от разлинчых условий | ||
+ | * прогнозирование поведения гидроакустических сигналов в зависимости от разных значений различных условий | ||
+ | * исследование алгоритмов отбора (feature selection) и алгоритмов выделения (feature extraction) значимых параметров | ||
+ | |||
+ | Технологии: Python3: numpy, pandas, skicit-learn, keras, tensorflow, tkinter, kivy | ||
+ | |||
+ | ==== Адаптация курса цифровой обработки сигналов на язык Python3 ==== | ||
+ | |||
+ | Цель: перенести реализацию задач и лабораторных работ курса цифровой обработки сигналов с Matlab на Python3 | ||
+ | |||
+ | Возможные задачи: | ||
+ | * установка Matlab и приобретение навыков работы с Matlab | ||
+ | * решение задач и лабораторных работ в среде Matlab | ||
+ | * перенос решений задач и лабораторных работ на языке Matlab на язык Python3 | ||
+ | * отладка решений задач и лабораторных работ на языке Python3 (крайне важно убедиться в идентичности получаемых результатов как с помощью Matlab, так и с помощью Python3) | ||
+ | * сформировать пулл задач непереносимых или переносимых с большим трудом: с большими потерями в производительности, скорости работы, затратах памяти | ||
+ | |||
+ | Технологии: Matlab, Python3: numpy, pandas, skicit-learn, keras, tensorflow, kivy | ||
+ | |||
+ | ==== Разработка модулей геоинформационной системы ==== | ||
+ | |||
+ | Цель: реализация модулей на языке Python3 для встраивания в геоинформационную систему | ||
+ | |||
+ | Возможные задачи: | ||
+ | * Знакомство с предментой областью геоинформационных систем | ||
+ | * Обзор бесплатных геоинформационных систем, сравнительный анализ | ||
+ | * Разработка модулей (скриптов) для расширения возможностей геоинформационных систем | ||
+ | * <//уточняются//> | ||
+ | |||
+ | Технологии: ArcGis, Python3 | ||
===== Татьяна Берленко ===== | ===== Татьяна Берленко ===== | ||
- | ==== Электронная очередь для защиты лабораторной работы ==== | + | ==== Электронная очередь для лабораторных занятий ==== |
Цель: создать веб-приложение для записи в очередь и отслеживания статуса студента. | Цель: создать веб-приложение для записи в очередь и отслеживания статуса студента. | ||
Line 78: | Line 151: | ||
+ | ===== Дмитрий Карташев ===== | ||