Цель работы - создание эффктивной модели машинного обучения для решения задачи кредитного скоринга. / The aim of the work is to create an effective machine learning model for solving the problem of credit scoring.

The relevance of the topic is due to the need to develop an application that facilitates the process of communication between deaf-mutes with the outside world. The purpose of the study: To develop a system for recognizing the letters of the finger alphabet of the English sign language using machine learning technologies. The object of the study is the processes of recognizing the letters of the finger alphabet of the English sign language. The subject of the research is the application of machine learning methodology and tools for recognizing the letters of the finger alphabet of the English sign language. Scientific novelty: A solution to the interpretation of sign language is proposed using a method that allows you to build whole sentences from letters. Practical significance: The work has further developed the urgent task of developing a system for recognizing the letters of the finger alphabet of the English sign language using machine learning technologies aimed at high-quality recognition of individual phrases and expressions, which makes it possible to ensure the availability of these recognition tools. / Актуальность темы обусловлена необходимостью в разработке приложения, облегчающего процесс общения глухонемых с людей с внешним миром. Цель исследования: Разработка системы распознавания букв пальцевого алфавита английского жестового языка с применением технологий машинного обучения. Объектом исследования выступают процессы распознавания букв пальцевого алфавита английского жестового языка. Предметом исследования является применение методологии и инструментария машинного обучения для распознавания букв пальцевого алфавита английского жестового языка. Научная новизна: Предложено решение интерпретации жестового языка методом, позволяющим строить из букв целые предложения. Практическая значимость: В работе получила дальнейшее развитие актуальная задача разработки системы распознавания букв пальцевого алфавита английского жестового языка с применением технологий машинного обучения, направленная на качественное распознавание отдельных фраз и выражений, позволяющая обеспечить доступность данных средств распознавания.

Work aimed at analyzing methods and algorithms for protection against spam and email attacks using machine learning and neural networks. The main focus is on the development of a hybrid model combining convolutional neural networks (CNN) and long-term short-term memory (LSTM) for classifying spam messages. The study includes the stages of data preprocessing, model development and training, as well as evaluating its performance on test data. The results show that the proposed model demonstrates high accuracy and efficiency in detecting spam messages. / Проведен анализ методов и алгоритмов защиты от спама и атак по электронной почте с использованием машинного обучения и нейронных сетей. Основное внимание уделено разработке гибридной модели, сочетающей сверточные нейронные сети (CNN) и долгосрочную краткосрочную память (LSTM) для классификации спам-сообщений. Исследование включает этапы предварительной обработки данных, разработки и обучения модели, а также оценку ее производительности на тестовых данных. Результаты показывают, что предложенная модель демонстрирует высокую точность и эффективность в обнаружении спам-сообщений.

This study presents the development and evaluation process of an improved CG-ResUnet neural network model for retinal blood vessel segmentation. The methodology includes preprocessing techniques such as CLAHE, Kirsch and grey filtering to improve image quality. The developed model showed the highest precision (0.961), but it also showed the lowest area under the curve (AUC) (0.919). The lowest recall (0.872) indicates that the model still has potential for improvement in minimising false results and accurately identifying vessel pixels. The precision (accuracy) of the model (0.631) is higher than other models, indicating that this model is highly sensitive. However, additional tuning is required to achieve higher accuracy and overall segmentation quality. F1-Score (0.729) and Dice score (0.729) were also higher than other models, indicating high potential for growth with further tuning. A hybrid post-processing approach combining automatic segmentation with manual adjustments is proposed to improve segmentation accuracy, especially for complex images with thin vessels. Future research should focus on improving accuracy and solving segmentation problems in areas of high complexity to further improve diagnostic efficiency and reduce manual labor in clinical settings. / В данном исследовании представлен процесс разработки и оценки усовершенствованной нейросетевой модели CG-ResUnet для сегментации кровеносных сосудов сетчатки. Методология включает в себя такие методы предварительной обработки, как CLAHE, Кирша и серая фильтрация для улучшения качества изображения. Разработанная модель показала самый высокий показатель точности (0,961), однако она также продемонстрировала самый низкий показатель площади под кривой (AUC) (0,919). Самый низкий показатель recall (0,872) указывает на то, что модель все еще имеет потенциал для улучшения в минимизации ложных результатов и точном определении пикселей сосудов. Точность (precision) модели (0,631) превышает показатели других моделей, что указывает на высокую чувствительность данной модели. Однако для достижения более высокой точности и общего качества сегментации требуется дополнительная настройка. Показатели F1-Score (0,729) и Dice score (0,729) также оказались выше, чем у других моделей, что свидетельствует о высоком потенциале для роста при последующей настройке. Для повышения точности сегментации, особенно для сложных изображений с тонкими сосудами, предлагается гибридный подход к постобработке, сочетающий автоматическую сегментацию с ручными корректировками. Будущие исследования должны быть направлены на повышение точности и решение проблем сегментации в областях с высокой сложностью для дальнейшего повышения диагностической эффективности и сокращения ручного труда в клинических условиях.

Identifying facemasks is an important duty that affects public health and safety, especially during epidemics of communicable diseases. Many architectures of deep learning models are being investigated for their effectiveness, as they have demonstrated great potential in automating this process. The performance of four well-known deep learning architectures—VGG19, VGG16, GRU, and Fully Convolutional Neural Networks (FCNN)—for facemask identification is thoroughly compared in this thesis. The goal of the study is to assess these architectures in terms of accuracy, efficiency, and robustness in order to offer important information for the creation of efficient facemask detection systems. This study examines the advantages and disadvantages of each model in relation to facemask detection through thorough testing and analysis. The models are statistically evaluated for their ability to detect facemasks in pictures or video streams using performance metrics including precision, recall, and F1-score. Furthermore, the actual feasibility of using these models in real-world applications is assessed by analyzing computational efficiency measures like inference time and model size. Moreover, the models' resilience is assessed in a range of demanding scenarios, such as changes in illumination, facial expressions, and occlusions. The consequences of these results are discussed in the thesis along with suggestions for improving each architecture for facemask detection tasks. This study's methodology focuses on developing and evaluating deep learning models for facemask recognition that are especially suited for usage in mobile health care units. This method seeks to guarantee high accuracy, robustness, and efficiency in real-world healthcare environments, where prompt and accurate facemask detection is essential. Four well-known deep learning architectures VGG19, VGG16, Gated Recurrent Unit (GRU), and Fully Convolutional Neural Networks (FCNN) were chosen for the models' selection and development. Due to their shown effectiveness in a range of image recognition tasks and possible flexibility to facemask detection, these models were selected. / Идентификация лицевых масок является важной задачей, которая влияет на здоровье и безопасность населения, особенно во время эпидемий инфекционных заболеваний. Многие архитектуры моделей глубокого обучения исследуются на предмет их эффективности, поскольку они продемонстрировали большой потенциал в автоматизации этого процесса. В этой работе проводится тщательное сравнение производительности четырех хорошо известных архитектур глубокого обучения —VGG19, VGG16, GRU и полностью сверточных нейронных сетей (FCNN)— для идентификации лицевых масок. Цель исследования - оценить эти архитектуры с точки зрения точности, эффективности и надежности, чтобы предоставить важную информацию для создания эффективных систем обнаружения лицевых масок. В этом исследовании рассматриваются преимущества и недостатки каждой модели в отношении распознавания лицевых масок путем тщательного тестирования и анализа. Модели подвергаются статистической оценке на предмет их способности обнаруживать лицевые маски на изображениях или в видеопотоках с использованием показателей производительности, включая точность, запоминаемость и показатель F1. Кроме того, фактическая возможность использования этих моделей в реальных приложениях оценивается путем анализа показателей вычислительной эффективности, таких как время вывода и размер модели. Более того, устойчивость моделей оценивается в ряде сложных сценариев, таких как изменение освещения, выражения лица и прикуса. В диссертации обсуждаются последствия этих результатов, а также предложения по улучшению каждой архитектуры для задач обнаружения лицевых масок. Методология этого исследования направлена на разработку и оценку моделей глубокого обучения для распознавания лицевых масок, которые особенно подходят для использования в мобильных медицинских учреждениях. Этот метод призван гарантировать высокую точность, надежность и эффективность в реальных условиях здравоохранения, где важно быстрое и точное распознавание лицевых масок. Для выбора и разработки моделей были выбраны четыре хорошо известные архитектуры глубокого обучения VGG19, VGG16, Gated Recurrent Unit (GRU) и полностью сверточные нейронные сети (FCNN). Эти модели были выбраны из-за их доказанной эффективности в решении целого ряда задач распознавания изображений и возможной гибкости в обнаружении лицевых масок. Ключевые слова: Распознавание лицевых масок, глубокое обучение, VGG19, VGG16, GRU, Полностью сверточные нейронные сети, Оценка эффективности, Мобильные медицинские учреждения.

This study presents the process of development and evaluation of an enhanced neural network model, GCD-UNet, for the segmentation of retinal blood vessels. The methodology involved preprocessing techniques like CLAHE, Gabor, and gray filtering to improve image quality, followed by a modified U-Net architecture incorporating a Dropout layer for better generalization. The model achieved an accuracy of 0.954, an AUC of 0.942, and a Dice coefficient of 0.770. These results indicate significant improvements in vessel pixel identification and overlap with ground truth masks. Despite high recall (0.932), the model's precision (0.562) suggests a need for further optimization to reduce false positives. A hybrid post-processing approach, combining automatic segmentation with manual adjustments, is proposed to enhance segmentation accuracy, particularly for complex images with thin vessels. Future research should focus on refining precision and addressing segmentation challenges in highcomplexity regions to further improve diagnostic efficacy and reduce manual labor in clinical settings. / В данном исследовании представлен процесс разработки и оценки усовершенствованной нейросетевой модели GCD-UNet для сегментации кровеносных сосудов сетчатки. Методология включает в себя такие методы предварительной обработки, как CLAHE, Габор и серая фильтрация для улучшения качества изображения, а затем модифицированную архитектуру U-сети, включающую слой Dropout для лучшего обобщения. Метрика Accuracy составила 0,954, AUC - 0,942, а коэффициент Дайса - 0,770. Эти результаты свидетельствуют о значительном улучшении идентификации пикселей сосудов и их совпадении с масками, полученными в результате исследования. Несмотря на высокий показатель Recall (0,932), точность модели (0,562) говорит о необходимости дальнейшей оптимизации для уменьшения количества ложных срабатываний. Для повышения точности сегментации, особенно для сложных изображений с тонкими сосудами, предлагается гибридный подход к постобработке, сочетающий автоматическую сегментацию с ручными корректировками. Будущие исследования должны быть направлены на повышение точности и решение проблем сегментации в областях с высокой сложностью для дальнейшего повышения диагностической эффективности и сокращения ручного труда в клинических условиях.

The aim of this work is to develop a method for constructing an optimal dynamic topology of a 6/10 kV distribution network using a network sectioning algorithm (operation of switching devices) based on load forecasting to achieve the best indicators in terms of quality, reliability, and reduction of technological losses. / Целью работы является разработка метода построения оптимальной динамической топологии распределительной сети 6/10 кВ с применением алгоритма секционирования сети (работы коммутационных аппаратов) на основе прогноза нагрузки для достижения наилучших показателей по качеству, надежности, снижению технологических потерь.

В диссертации изучается влияние аугментации данных скользящим окном на производительность различных архитектур рекуррентных нейронных сетей (RNN) для классификации временных рядов. Исследование оценивает модели на основе слоев долговременной краткосрочной памяти (LSTM), SimpleRNN, Gated Recurrent Unit (GRU) и гибридной RNN, применяемые к классификации пяти видов деятельности: езда на велосипеде, катание на роликовых лыжах (R-Skiing), бег, катание на лыжах и ходьба. Результаты показывают, что аугментация данных скользящим окном значительно повышает производительность модели, улучшая ключевые показатели, такие как точность, отзыв, F1-оценка и достоверность. Среди протестированных моделей модели гибридной RNN и GRU продемонстрировали наивысшую точность и возможности обобщения. Кроме того, мы протестировали несколько размеров окна и шага. Конфигурация с большим размером окна (256) в целом дала лучшие результаты. Эти результаты согласуются с существующей литературой, подчеркивая эффективность аугментации данных и передовых архитектур RNN в классификации временных рядов. Исследование подчеркивает важность дополнения данных для повышения надежности моделей и предоставляет ценную информацию для будущих исследований и практических приложений в различных областях. / The thesis explores the impact of sliding window data augmentation on the performance of various Recurrent Neural Network (RNN) architectures for time series classification. The study evaluates models based on Long Short-Term Memory (LSTM) layers, SimpleRNN, Gated Recurrent Unit (GRU), and a Hybrid RNN, applied to the classification of five activities: Biking, Roller Skiing (R-Skiing), Running, Skiing, and Walking. The results show that sliding window data augmentation significantly enhances model performance, improving key metrics such as precision, recall, F1-score, and accuracy. Among the models tested, the Hybrid RNN and GRU models demonstrated the highest accuracy and generalization capabilities. Additionally, we tested several window and step sizes. The configuration with a larger window size (256) generally yielded better results. These findings are consistent with existing literature, highlighting the effectiveness of data augmentation and advanced RNN architectures in time series classification. The study highlights the importance of data augmentation in improving model robustness and provides valuable insights for future research and practical applications in various fields.

В настоящее время силлогистика, благодаря ее связи с естественным языком, занимает значимую позицию в широком спектре дисциплин: от когнитивных наук до исследований в области искусственного интеллекта. Ряд особенностей восприятия и обработки человеком силлогистических рассуждений часто приводит к ошибкам при решении данного рода задач. Применение интерактивной визуализации символьных контекстов с применением компьютерных моделей снижает вероятность возникновения подобных проблем. Кроме того, повышению эффективности на этапе обучения способствует введение игровых элементов. В силлогистике самыми распространенными вариантами графических представлений являются круговые диаграммы Эйлера и Венна. Первый подход, согласно ряду эмпирических результатов, оказывает более положительный эффект на результаты решения силлогистических задач. В качестве иллюстрации идеи визуальной поддержки освоения базовых принципов силлогистического вывода предложен проект программного решения, предоставляющего возможности интерактивного построения силлогизмов с использованием диаграмм Эйлера в качестве графической репрезентации. / Today syllogistic, due to its connection with natural language, finds broad application in a wide range of research fields: from cognitive sciences to AI. Some specific features of human perception and processing of syllogistic reasoning makes such kind of tasks prone to error. To diminish the impact of these cognitive biases visual interactive computer models are used as a representation of symbolic contexts. Moreover, to increase the effectiveness of learning various game elements could be applied. Euler and Venn diagrams are the most common methods of the syllogistic reasoning visual representation. There are some empirical proofs that Euler diagrams have better effect on the results of the syllogistic tasks solving. To illustrate the idea of a visual support system for syllogistic learning, we have proposed a project of software application that represents the environment for interactive syllogism construction, which relies on Euler diagrams as a visual representation.

Обучение в течение всей жизни – пространство развития каждого человека, в связи с этим следует обратиться к данной теме с точки зрения психологических предпосылок. Обучение в разных формах понимается не только как социальная, профессионально-значимая функция, но и как атрибут личностного здоровья. Какая именно черта характера формирует потребность учиться у зрелого человека или препятствует этому? Изучается взаимосвязь выделенных переменных опросника «Оценка готовности к непрерывному обучению» со шкалами методик Баднера (толерантность к неопределенности) и Гослинга (открытость опыту, добросовестность, эмоциональная стабильность, экстравертность и дружелюбие). В онлайн-опросе приняли участие 65 человек в возрасте 40-55 лет со стажем работы не менее 10 лет. Магистерская диссертация состоит из введения, трех глав, заключения, списка литературы (104 источника) и приложений, включающих в себя бланки применявшихся методик, данные по ранним исследованиям. Объем магистерской диссертации без приложений составляет 97 страниц, на которых размещены 29 рисунков и 6 таблиц. Во введении раскрывается актуальность проблемы исследования, разработанность проблематики, ставятся цель и задачи исследования, определяются объект и предмет исследования, формулируется основная и конкретизирующие гипотезы, указываются методы и эмпирическая база. Первая глава включает в себя обзор иностранной и отечественной литературы по теме исследования: описание основных понятий и их характеристики. Выводы по первой главе представляют собой итоги по изучению теоретического материала. Вторая и третья главы посвящены эмпирической части исследования. В них представлено описание хода исследования и интерпретация полученных результатов. В заключении в обобщенном виде изложены результаты теоретической и эмпирической частей работы, а также выводы по выдвинутым гипотезам, обоснована практическая значимость исследования. В заключении показано, что наиболее тесно готовность к обучению в течение всей жизни связана с экстравертностью, открытостью опыту и дружелюбием. / Lifelong learning sustains an ongoing personal development and it should be analyzed with regard to its psychological premises. Any form of education not only enhances person's social and professional integration but also fosters his or her personal fulfillment and health. What personality trait forms or suppresses eagerness to learn at mature age? In this article we study the correlation between selected variables from «Life Long Learning Inventory» questionnaire and «Tolerance of ambiguity scale» developed by S.Budner (tolerance of ambiguity – novelty, complexity, or insolubility) and Ten-Item Personality Inventory-(TIPI) by S.D.Gosling (extraversion, agreeableness, conscientiousness, emotional stability, openness to experiences). 65 respondents at the age between 40 and 55 having over 10 years of work experience participated in the online questionnaire. The master's thesis consists of an introduction, three chapters, conclusion, a list of literature (104 sources) and applications, including forms of applied techniques, the classifier of associative connections, early research data. The volume of the master's thesis is 97 pages, on which are placed 29 figures and 6 tables. The introduction reveals the relevance of the research problem, the development of the problem, the purpose and objectives of the research, the object and subject of the research, the main hypothesis are formulated, the methods and the empirical base are specified. The first chapter include a review of foreign and domestic literature on the topic of the study: a description of the basic concepts and their characteristics. The first chapter include a review of foreign and domestic literature on the topic of the study. Conclusions on the first chapter are the results of the study of theoretical material. The two and three chapter is devoted to the empirical part of the study. On the basis of the obtained data, the developed models of intelligence and performance are demonstrated. In conclusion, the results of the theoretical and empirical parts of the work, as well as conclusions on the hypotheses put forward, the practical significance of the study. The results of our research demonstrate that readiness to acquire new knowledge at mature age is closely connected to extroversion, openness to experience and agreeableness.