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 13:39] anton.filatov [Image clusterisation ML-free] |
staff:courses:theses [2019/10/10 07:23] mark |
||
---|---|---|---|
Line 30: | Line 30: | ||
Предполагаемые задачи: | Предполагаемые задачи: | ||
- | * Применение различных существующих нейронных сетей к задаче кластеризации объектов на изображении | + | * Применение различных существующих нейронных сетей к задаче кластеризации объектов на изображении |
- | * Оценка эффективности одновременного применения нескольких разных типов нейронных сетей | + | * Оценка эффективности одновременного применения нескольких разных типов нейронных сетей |
- | * Оценка точности в сравнении с "обычными" методами | + | * Оценка точности в сравнении с "обычными" методами |
+ | |||
+ | |||
+ | ==== Реализация SLAM-алгоритмов для построения 3д-моделей с помощью RGBD-камер (магистры) ==== | ||
+ | |||
+ | Цель: разработать решение для построения 3д-моделей по снимкам с RGBD-камер. | ||
+ | |||
+ | Предполагаемые задачи: | ||
+ | * исследование различных slam-алгоритмов, | ||
+ | * обеспечение совместной работы нескольких алгоритмов, | ||
+ | * отбор подходящих датасетов, | ||
+ | * фильтрация и корректировка 3д-снимков. | ||
+ | |||
+ | |||
+ | |||
===== Артём Филатов ===== | ===== Артём Филатов ===== | ||
Line 48: | Line 63: | ||
* разработка сценариев проверки на Bash | Python, | * разработка сценариев проверки на Bash | Python, | ||
* рандомизация условий | * рандомизация условий | ||
- | |||
- | ==== Реализация SLAM-алгоритмов для построения 3д-моделей с помощью RGBD-камер (магистры) ==== | ||
- | |||
- | Цель: разработать решение для построения 3д-моделей по снимкам с RGBD-камер. | ||
- | |||
- | Предполагаемые задачи: | ||
- | * исследование различных slam-алгоритмов, | ||
- | * обеспечение совместной работы нескольких алгоритмов, | ||
- | * отбор подходящих датасетов, | ||
- | * фильтрация и корректировка 3д-снимков. | ||
- | |||
Line 120: | Line 124: | ||
===== 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 149: | Line 153: | ||
===== Тимур Жангиров ===== | ===== Тимур Жангиров ===== | ||
+ | ==== Сравнительный анализ методов выявления аномалий в микробиологических данных ==== | ||
+ | Цель: провести анализ методов выявления аномальных в микрибиологических данных и выдвинуть предложения по их улучшению | ||
+ | Основная сложность заключается в том, что микробиологические данные имеют сложные характер, и стандартные статистические методы не всегда определяют аномалии. Поэтому основной упор необходимо сделать на сравнение статистических методов и методов машинного обучения. | ||
+ | Возможные задачи: | ||
+ | * Провести обзор методов выявления аномальных данных | ||
+ | * Определить критерии сравнения методов | ||
+ | * Провести сравнения на данных разного качества в многомерном пространстве | ||
+ | * Провести сравнения на данных принадлежащих различным классам в многомерном пространсве | ||
+ | * Улучшить существующий или предложить новый метод | ||
+ | |||
+ | ==== Анализ эффективности генетических алгоритмов для построения нелинейной регрессии ==== | ||
+ | Цель: провести анализ эффективности применения генетических алгоритмов для построения нелинейной регрессии на микробиологических данных | ||
+ | |||
+ | Так как стандартные методы построения регрессий подразумевают заранее известный вид зависимости (линейный, логарифмический, экспоненциальный, и.т.д.). Применение генетических алгоритмов потенциально позволит не только оптимизировать модель регрессии, но и автоматически определять вид зависимости. | ||
+ | |||
+ | Возможные задачи: | ||
+ | * Провести обзор существующих методов построения нелинейной регрессии | ||
+ | * Разработать модель регрессии, которую можно обучить генетическими алгоритмами | ||
+ | * Определить параметры генетического алгоритма для построения регрессии | ||
+ | * Анализ эффективности генетических алгоритмов в данной задаче | ||
+ | |||
+ | ==== Разработка и реализация алгоритма сжатия данных на основе автокодирующих нейронных сетей ==== | ||
+ | Цель: Разработка алгоритма сжатия данных на основе автокодирующих нейронных сетей с целью повышения качества архивации по сравнению с существующими алгоритмами | ||
+ | |||
+ | Данный алгоритм может применяться в разработке нового архиватора или нового протокола передачи данных | ||
+ | |||
+ | Возможные задачи: | ||
+ | * Провести обзор существующих алгоритмов архивации | ||
+ | * Разработать нейросетевую модель для архивации данных | ||
+ | * Реализация алгоритма архивации | ||
+ | * Анализ разрабатонного алгоритма | ||
+ | |||
+ | ==== Анализ алгоритма построения траекторий OCTNet в двумерном пространстве ==== | ||
+ | Цель: Провести анализ алгоритма построения траектории OCTNet, с целью выявления его ограничений и преимуществ над другими алгоритмами построений траекторий | ||
+ | |||
+ | Основной упор необходимо сделать на построение траекторий (маршрутов) для интеллектуального агента ориентирующегося в замкнутых статических пространствах. Предполагается сравнанение, не только с детерминированными алгоритмами, но алгоритмами основанными на генеративно-состязательных нейронных сетях и нейронных сетях обученых методом любопытства. | ||
+ | |||
+ | Возможные задачи: | ||
+ | * Провести обзор существующих алгоритмов построения траекторий | ||
+ | * Изучить алгоритм OCTNet | ||
+ | * Реализация алгоритма OCTNet | ||
+ | * Анализ алгоритма OCTNet | ||
+ | * Выдвижение гипотез по улучшению алгоритма OCTNet | ||
+ | |||
+ | ==== Разработка и реализация алгоритма аугментации микробиологических данных на основе генеративно-состязятальных сетей ==== | ||
+ | Цель: Разработать алгоритм аугментации микробиологических данных на основе генеративно-состязательных сетей | ||
+ | |||
+ | Основные проблемы заключается в том, что большинство методов аугментации данных связанны с графическими данным, которые представлены в виде изображения, а методы направленные на неграфические данные могут генерировать неконсистентные данные. Применения генеративно-состязательных сетей потенциально решит проблему аугментации неграфических данных и валидацию получаемых данных. | ||
+ | |||
+ | Возможные задачи: | ||
+ | * Провести обзор существующих алгоритмов аугметации данных | ||
+ | * Построение модели сети для аугментации | ||
+ | * Разработка алгоритма аугментации на основе генеративно-состязательных сетей | ||
+ | * Реализация алгоритма аугментации на основе генеративно-состязательных сетей | ||
+ | * Анализ эффективности алгоритма аугментации и сравнение с существующими алгоритмами аугменацтии данных | ||
===== Дмитрий Карташев ===== | ===== Дмитрий Карташев ===== | ||