Global ETD Search

21	Исследование и разработка прототипа вопросно-ответной системы : магистерская диссертация / Research and development question and answer system prototype Алейникова, А. А., Aleinikova, A. A. January 2023 (has links) В рамках данной работы было проведено исследование существующих типов вопросно-ответных систем и методов анализа текста. Был проведен анализ существующих вопросно-ответных систем. Приведена обобщённая схема работы вопросно-ответных систем и для каждого типа систем приведена детальная схема работы. Описаны и исследованы методы выбора кандидатов ответа и методы их оценки. Также в работе описаны возможные критерии оценки работы таких систем. В ходе исследования был разработан рабочий прототип вопросно-ответной системы, основанный на системе BERT для русского языка. Используемая модель RuBERT была предобучена и протестирована на стандартных задачах SQuAD. В ходе работы модель была протестирована и оценена в разработанном рабочем прототипе и показала высокие результаты по предложенным критериям оценки. / Within the framework of this work, a study was made of the existing types of question-answer systems and text analysis methods. An analysis of the existing question-answer systems was carried out. A generalized scheme of operation of question-answer systems is given, and a detailed scheme of operation is given for each type of system. Methods for selecting response candidates and methods for their evaluation are described and investigated. The paper also describes possible criteria for evaluating the operation of such systems. In the course of the study, a working prototype of a question-answer system based on the BERT system for the Russian language was developed. The RuBERT model used was pre-trained and tested on standard SQuAD problems. During the work, the model was tested and evaluated in the developed working prototype and showed high results according to the proposed evaluation criteria. МАШИННОЕ ОБУЧЕНИЕ НЕЙРОННАЯ СЕТЬ СЕМАНТИЧЕСКИЙ АНАЛИЗ MASTER'S THESIS ARTIFICIAL INTELLIGENT MACHINE LEARNING NEURON NETWORK QUESTION AND ANSWER SYSTEM SEMANTIC ANALYSIS
22	Исследование и оптимизация городских автобусных перевозок на примере пассажирского автотранспортного предприятия АП-3 г. Екатеринбурга : магистерская диссертация / Research and optimization of urban bus transport on the example of passenger transport enterprise AP-3 Yekaterinburg Пазылидинов, И. А., Pazylidinov, I. A. January 2018 (has links) In this work, the current state and prospects of development of urban passenger transport in the operating conditions of the city of Yekaterinburg of the Sverdlovsk region are investigated and analyzed. The analysis and evaluation of the management and organization of passenger traffic to urban passenger transport in the city of Yekaterinburg. The solution of the problem of dispatching control and organization of passenger traffic in the urban cycle by mathematical modeling and optimization is considered. A General view of the simulation model of the automated system of urban passenger transport management by levels is developed. It also proposes the structure of management and organization of urban passenger transport. / В данной работе исследована и проанализирована современное состояние и перспективы развитие городского пассажирского транспорта в условиях эксплуатации города Екатеринбург Свердловской области. Изложена анализ и оценка эффективности управления и организации пассажиропотока городским пассажирским транспортам в городе Екатеринбург. Рассмотрена решение проблемы диспетчеризации управления и организации пассажирских перевозок в городском цикле математическим методом моделирования и оптимизации. Разработан общий вид имитационной модели автоматизированной системы управлении городского пассажирского транспорта по уровням. А также предлагается структура управления и организации городского пассажирского транспорта. MASTER'S THESIS PASSENGER TRANSPORT PASSENGER TRAFFIC ROUTES INFRASTRUCTURE PASSENGER TRAFFIC TRAFFIC INTENSITY TRAFFIC LOAD ROAD NETWORK TRANSPORT SERVICE DISPATCHING SERVICE URBAN PASSENGER TRANSPORT TRANSPORT URBAN PLANNING DISPATCHING TRANSPORT SCIENCE PASSENGER TRANSPORT TRANSPORT SERVICES ROUTE NETWORK MODELING MATHEMATICAL APPARATUS TRANSPORT SYSTEMS TRANSPORT PROCESS ПАССАЖИРОПОТОК МАРШРУТЫ ИНФРАСТРУКТУРА ДИСПЕТЧЕРСКАЯ СЛУЖБА ДИСПЕТЧЕРИЗАЦИЯ ТРАНСПОРТНАЯ НАУКА ТРАНСПОРТНЫЕ УСЛУГИ МАРШРУТНАЯ СЕТЬ МОДЕЛИРОВАНИЕ ТРАНСПОРТНЫЕ СИСТЕМЫ ТРАНСПОРТНЫЙ ПРОЦЕСС
23	Формирование стратегии распределения продукции промышленного предприятия и его распределительной сети : магистерская диссертация / Formation of the distribution strategy of the industrial enterprise and its distribution network Putilov, S. I., Путилов, С. И. January 2017 (has links) Цель работы заключается в совершенствовании методического инструментария формирования стратегии распределения продукции промышленного предприятия и его распределительной сети. В работе исследованы теоретические основы формирования распределительной стратегии предприятия, уточнена классификация стратегий распределения и обоснована взаимосвязь логистических стратегий предприятия с его корпоративными и конкурентными стратегиями. Изучен опыт зарубежных и отечественных промышленных предприятий по формированию стратегий распределения и распределительных сетей. Разработан методический подход к выбору стратегии распределения продукции промышленного предприятия, основанный на ранжировании целевых ориентиров компании и учете ее конкурентной и логистической стратегий, позволяющий повысить эффективность распределительной деятельности предприятия. Разработан алгоритм формирования распределительной сети предприятия включающий различные наборы операций и технологии их реализации в зависимости от выбранной стратегии распределения, что позволяет сформировать наиболее эффективную распределительную сеть для условий деятельности конкретного предприятия. / The aim of the work is to improve the methodological tools for forming a distribution strategy for the products of an industrial enterprise and its distribution network. In work theoretical bases of formation of distributive strategy of the enterprise are investigated, the classification of distribution strategies is clarified and the interrelation of logistical strategies of the enterprise with its corporate and competitive strategies is grounded. The experience of foreign and domestic industrial enterprises in the formation of distribution strategies and distribution networks has been studied. A methodical approach to the selection of a strategy for the distribution of products of an industrial enterprise was developed, based on the ranking of the company's target targets and taking into account its competitive and logistical strategies, which makes it possible to improve the efficiency of the enterprise's distribution activities. An algorithm is developed for the formation of the enterprise's distribution network, which includes various sets of operations and technologies for their implementation, depending on the chosen distribution strategy, which allows to form the most efficient distribution network for the operating conditions of a particular enterprise. MASTER'S THESIS DISTRIBUTION LOGISTICS DISTRIBUTION STRATEGY DISTRIBUTION NETWORK CLASSIFICATION OF STRATEGIES INSOURCING STRATEGY OUTSOURCING STRATEGY СТРАТЕГИЯ ИНСОРСИНГА
24	Energy Consumption in COVID-19 Impact: Data Analysis and Deep Learning Modeling : master's thesis Мухаммед, А. А. М., Muhammad, A. A. M. January 2024 (has links) В этом исследовании изучаются беспрецедентные нарушения, вызванные пандемией COVID-19 в глобальных моделях потребления энергии. Используя ретроспективный подход, различные методологии, включая классическое машинное обучение и алгоритмы классификации временных рядов, используются для анализа энергетических данных, охватывающих период пандемии и после нее. Набор данных охватывает различные источники энергии, что позволяет изучать исторические тенденции как до, так и после COVID-19. Также изучаются региональные различия в моделях потребления энергии в ключевых регионах, таких как ОЭСР, БРИКС, СНГ и Ближний Восток. Конкретное исследование случая, сосредоточенное на Нью-Йорке, углубляется в тенденции потребления энергии в городе и влияние правил COVID-19. Представляя модель рекуррентной нейронной сети (RNN) для прогнозирования потребления энергии, исследование подчеркивает потенциал передовых методов моделирования в понимании и прогнозировании динамики потребления энергии. Применение модели RNN к данным о потреблении энергии в Нью-Йорке позволяет сравнивать прогнозируемые и фактические данные за 2020 год. Результаты подчеркивают значительные сдвиги в тенденциях глобального потребления энергии, раскрывая глубокое влияние пандемии на спрос на энергию и ее использование. Обсуждаются последствия этих сдвигов, подчеркивая необходимость адаптации энергетической политики и инфраструктуры к меняющемуся глобальному ландшафту. Рекомендации по будущим направлениям исследований предоставляются для улучшения понимания динамического взаимодействия между внешними потрясениями, такими как пандемии, и динамикой глобального потребления энергии. / This research investigates the unprecedented disruptions caused by the COVID-19 pandemic on global energy consumption patterns. Employing a retrospective approach, diverse methodologies including classic machine learning and time series classification algorithms are utilized to analyze energy data spanning the pandemic period and beyond. The dataset encompasses various energy sources, enabling examination of historical trends both pre and post-COVID-19. Regional disparities in energy consumption patterns across key regions like OECD, BRICS, CIS, and the Middle East are also explored. A specific case study focusing on New York delves into the city's energy consumption trends and the impact of COVID-19 regulations. Introducing a Recurrent Neural Network (RNN) model for energy consumption prediction, the study highlights the potential of advanced modeling techniques in understanding and forecasting energy usage dynamics. Application of the RNN model to New York's energy consumption data allows comparison between predicted and actual 2020 data. The findings underscore significant shifts in global energy consumption trends, revealing the pandemic's profound impact on energy demand and utilization. Implications of these shifts are discussed, emphasizing the necessity of adapting energy policies and infrastructure to the evolving global landscape. Recommendations for future research directions are provided to enhance comprehension of the dynamic interplay between external shocks, such as pandemics, and global energy consumption dynamics. MASTER'S THESIS COVID-19 MACHINE LEARNING RECURRENT NEURAL NETWORKS (RNN) LENERGY CONSUMPTION GLOBAL ENERGY LANDSCAPE TIME SERIES ANALYSIS REGIONAL COMPARISONS NEW YORK CASE STUDY PANDEMIC IMPACT ENERGY POLICY COVID-19 ПОТРЕБЛЕНИЕ ЭНЕРГИИ МАШИННОЕ ОБУЧЕНИЕ ВЛИЯНИЕ ПАНДЕМИИ
25	Dynamic Speed Adaptation for Curves using Machine Learning / Dynamisk hastighetsanpassning för kurvor med maskininlärning Narmack, Kirilll January 2018 (has links) The vehicles of tomorrow will be more sophisticated, intelligent and safe than the vehicles of today. The future is leaning towards fully autonomous vehicles. This degree project provides a data driven solution for a speed adaptation system that can be used to compute a vehicle speed for curves, suitable for the underlying driving style of the driver, road properties and weather conditions. A speed adaptation system for curves aims to compute a vehicle speed suitable for curves that can be used in Advanced Driver Assistance Systems (ADAS) or in Autonomous Driving (AD) applications. This degree project was carried out at Volvo Car Corporation. Literature in the field of speed adaptation systems and factors affecting the vehicle speed in curves was reviewed. Naturalistic driving data was both collected by driving and extracted from Volvo's data base and further processed. A novel speed adaptation system for curves was invented, implemented and evaluated. This speed adaptation system is able to compute a vehicle speed suitable for the underlying driving style of the driver, road properties and weather conditions. Two different artificial neural networks and two mathematical models were used to compute the desired vehicle speed in curves. These methods were compared and evaluated. / Morgondagens fordon kommer att vara mer sofistikerade, intelligenta och säkra än dagens fordon. Framtiden lutar mot fullständigt autonoma fordon. Detta examensarbete tillhandahåller en datadriven lösning för ett hastighetsanpassningssystem som kan beräkna ett fordons hastighet i kurvor som är lämpligt för förarens körstil, vägens egenskaper och rådande väder. Ett hastighetsanpassningssystem för kurvor har som mål att beräkna en fordonshastighet för kurvor som kan användas i Advanced Driver Assistance Systems (ADAS) eller Autonomous Driving (AD) applikationer. Detta examensarbete utfördes på Volvo Car Corporation. Litteratur kring hastighetsanpassningssystem samt faktorer som påverkar ett fordons hastighet i kurvor studerades. Naturalistisk bilkörningsdata samlades genom att köra bil samt extraherades från Volvos databas och bearbetades. Ett nytt hastighetsanpassningssystem uppfanns, implementerades samt utvärderades. Hastighetsanpassningssystemet visade sig vara kapabelt till att beräkna en lämplig fordonshastighet för förarens körstil under rådande väderförhållanden och vägens egenskaper. Två olika artificiella neuronnätverk samt två matematiska modeller användes för att beräkna fordonets hastighet. Dessa metoder jämfördes och utvärderades. Machine Learning Artificial Intelligence MachineLearning Machine-Learning AI ML MLP Neural Networks Multilayer-Perceptron RFB RBF-Network Vehicle Automation AutonomousVehicles Autonomous SelfDriving Self-Driving Self Driving Curve Speed Adaptation Adaption CSA ACC Adaptive Cruise Control Driving Style Driver Behavior Behaviour Sample Samples Distance Derivative Speed Velocity Curvature Road Inclination Lane Width Type Acceleration Longitudinal Lateral Data Training Test Validation Results Discussion Sustainability Ethics Ethical Sustainable Future Today Tomorrow Yesterday Robot Robotics System Systems Class Classes Bin Bins Tree One A Dynamic Using Time Delay Volvo Car Cars Corporation Zenuity School Computer Science Master Degree Project Thesis Paper Object GPS Map Length Research Advanced Машинное Обучение Искусственный Интеллект AI ML MLP RBF Автомобиль Машына Сеть Робот Водитель Заворот Дорога Сам Сама Едет Ехать Учить Учит Учится Автоматизация Адаптация Результат Один Одна Одно Вчера Сегодня Завтра Дерево Карта ГПС Информатика Компьютер Наука Научная Работа Школа Вольво Завод Транспорт Maskininlärning Artificiell Intelligens Inlärning Maskin AI ML MLP RBF Neural Neurala Nätverk Artificiella Automation Själv Självkörande Körande Bil Fordon Robot Robotik Körstil Stil Beteende Adaption Kurva Lutning Väg CSA ACC Farthållare Hastighet Fart Hållare Inclination Körfält Fält Spår Bredd Typ Acceleration Longitudinell Lateral Data Traingin Test Validation Resultat Diskussion Längd Hållbarhet Etik Etiskt Framtid Dåtid Idag Imorgon System Class Klass Classer Klasser Träd En Ett Fler Flera Dynamisk Använda Tid Fördröjning Tids Volvo Car Corporation Object Zenuity Skola Dator Vetenskap Forkning Avancerad Projekt Exjobb Examensarbete Betyg GPS Karta Computer Sciences Datavetenskap (datalogi)

Page generated in 0.0244 seconds