https://elib.bsu.by:443/handle/123456789/198521 Mon, 20 Apr 2026 10:02:21 GMT 2026-04-20T10:02:21Z https://elib.bsu.by:443/handle/123456789/313219 Заглавие документа: Управление автономным транспортом нейросетевыми моделями с подкреплением: магистерская диссертация / Александр Сергеевич Юхимчук; БГУ, Факультет прикладной математики и информатики, Кафедра дискретной математики и алгоритмики; науч. рук. Толстиков А. А. Авторы: Юхимчук, Александр Сергеевич Аннотация: Магистерская диссертация, 49 страниц, 19 рисунков, 36 источников, 31 формула Ключевые слова: АВТОНОМНЫЙ ТРАНСПОРТ, ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ, МАШИННОЕ ОБУЧЕНИЕ, НЕЙРОННЫЕ СЕТИ, УПРАВЛЕНИЕ АВТОНОМНЫМ ТРАНСПОРТОМ, ОПТИМИЗАЦИЯ ПОЛИТИКИ, СИМУЛЯТОР, ПРЕДСТАВЛЕНИЕ СОСТОЯНИЙ. Объектом исследования являются методы планирования автономного транспорта. Предметом исследования является применение алгоритмов глубокого обучения с подкреплением при планировании траектории беспилотного автономного транспорта. Целью работы является исследование методов глубокого обучения с подкреплением и анализ их применимости в управлении автономным транспортом. В ходе работы были исследованы методы глубокого обучения с подкреплением и их возможно в применении при планировании траектории автономного транспорта. Предлагается метод управления в симуляторе CarRacing, основанный на алгоритме PPO. Показано, что возможно достичь хорошего качества алгоритма при отрисовке траектории движения на текущем кадре по сравнению с объединением состояний в один тензор, как это обычно делается. Также показано, что история прошлых действий может значительно улучшить качество алгоритма с помощью введения дополнительной нейронной сети, кодирующей историю действий. Проведен сравнительный анализ предложенных методов по сравнению с теми, которые обычно используются для управления с среде CarRacing. Полученные результаты работы могут быть использованы различными предприятиями и организациями, осуществляющими исследования в области автономного транспорта и сталкивающимися с проблемами управления, а именно планирования, так как предложенный метод позволяет достичь большего качества при уменьшении затрат на память при использовании стандартных методов. Mon, 01 Jan 2024 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/313219 2024-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/296869 Заглавие документа: Слабо управляемые грубые траектории с произвольным показателем непрерывности по Гельдеру и приложения к исследованию кредитных рисков: магистерская диссертация / Алина Александровна Карпович; БГУ, Факультет прикладной математики и информатики, Кафедра дискретной математики и алгоритмики; науч. рук. Васьковский М. М. Авторы: Карпович, Алина Александровна Аннотация: Общая характеристика работы СТОХАСТИЧЕСКИЕ ДИФФЕРЕНЦИАЛЬНЫЕ УРАВНЕНИЯ, ДРОБНОЕ БРОУНОВСКОЕ ДВИЖЕНИЕ, ГРУБЫЕ ТРАЕКТОРИИ, КОНЕЧНОСТЬ МОМЕНТОВ, ОЦЕНКА ОЖИДАЕМЫХ КРЕДИТНЫХ ПОТЕРЬ, СКОРИНГОВАЯ МОДЕЛЬ, ИПОТЕЧНЫЙ КРЕДИТ, ЭКСТРАПОЛЯЦИЯ ВРЕМЕННЫХ РЯДОВ. Объект исследования – стохастические дифференциальные уравнения, управляемые дробным броуновским движением с индексом Херста � > 0, построение решения для этого типа уравнений, доказательство единственности и конечности моментов; ожидаемые кредитные убытки по ипотечным кредитам США в контексте COVID-19, экстраполяция временных рядов и далее построение скоринговой модели и моделирования потерь. Цель работы – доказать теоремы, обобщающие теорию о стохастических дифференциальных уравнениях, управляемых дробным броуновским движением с индексом Херста � > ! " на подобные уравнения с индексом Херста � > 0: теорема о корректности интеграла Губинелли и его оценке, теорема о единственности и конечности моментов решения. Далее цель – построить модель кредитных потерь в условиях COVID-19, при этом для экстраполяций макроэкономических факторов использовать решение уравнения Орнштейна Уленбека второго порядка. В результате были представлены доказательства теорем для стохастических дифференциальных уравнениях, управляемых дробным броуновским движением с индексом Херста � > 0; было получено решение уравнения Орнштейна-Уленбека второго порядка, построена экстраполяция таких макроэкономических факторов в условиях COVID-19, таких как безработица, индекс цен на недвижимость, индекс доходности, ВВП, построена модель расчета ожидаемых кредитных потерь по ипотечным аккаунтам. Структура и объем работы: состоит из общей характеристики на 3 языках, введения, основной части, включающей 2 главы, заключения, библиографического списка и приложений. 59 страниц, 17 рис., 2 табл., 4 прил., 27 источников. Sun, 01 Jan 2023 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/296869 2023-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/296868 Заглавие документа: Разработка и применение генеративной нейронной сети для идентификации новых потенциальных ингибиторов белковой мишени микобактерии туберкулеза: магистерская диссертация / Анна Викторовна Гончар; БГУ, Факультет прикладной математики и информатики, Кафедра дискретной математики и алгоритмики; науч. рук. Андрианов А. М. Авторы: Гончар, Анна Викторовна Аннотация: ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Магистерская диссертация, 57 страниц, 30 рисунков, 5 таблиц, 17 формул, 48 источников Ключевые слова: ТУБЕРКУЛЕЗ, KasA, ИНГИБИТОР, НЕЙРОННАЯ СЕТЬ, ГЕНЕРАТИВНЫЯ МОДЕЛЬ, ГЕНЕРАЦИЯ ХИМИЧЕСКИХ СОЕДИНЕНИЙ, ВИРТУАЛЬНЫЙ СКРИНИНГ, МОЛЕКУЛЯРНЫЙ ДОКИНГ Цель работы – идентификация новых потенциальных ингибиторов микобактерии туберкулеза при помощи генеративных нейронных сетей и методов молекулярного моделирования. Объект исследования – de novo дизайн малых молекул с использованием нейронных сетей. Предмет исследования – модели генеративных нейронных сетей для генерации малых молекул. В магистерской работе исследуется задача de novo дизайна новых потенциальных ингибиторов микобактерии туберкулеза с использованием генеративных моделей нейронных сетей. В ходе исследования была выбрана белковая мишень, ингибирование которой может привести к гибели микобактерии туберкулеза. Были проанализированы уже известные архитектуры нейронных сетей, применяемых в области генерации малых молекул, а также рассмотрены принципы их работы. Разработана модель генеративной состязательной нейронной сети с частичным привлечением учителя. Данная модель применена в комбинации с графовым вариационным автоэнкодером для генерации молекул с достаточно низкой энергией связывания с выбранным белком-мишенью. Предсказание энергии связывания производилось с помощью молекулярного докинга. Полученную модель можно использовать для генерации малых молекул при поиске новых потенциальных ингибиторов других белков-мишеней. Ее также можно использовать в сочетании с другими моделями вариационных автоэнкодеров. Sun, 01 Jan 2023 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/296868 2023-01-01T00:00:00Z https://elib.bsu.by:443/handle/123456789/296867 Заглавие документа: Использование методов машинного обучения для извлечения информации из табличных данных: магистерская диссертация / Екатерина Витальевна Горбач; БГУ, Факультет прикладной математики и информатики, Кафедра дискретной математики и алгоритмики; науч. рук. Соболевская Е. П. Авторы: Горбач, Екатерина Витальевна Аннотация: ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Магистерская диссертация, 59 страниц, 28 рисунков, 18 таблиц, 22 источника, 3 приложения. АВТОМАТИЧЕСКАЯ ОБРАБОТКА ДОКУМЕНТОВ, ВЕБ-ТАБЛИЦЫ, РАСПОЗНАВАНИЕ СТРУКТУРЫ ВЕБ-ТАБЛИЦ, МАШИННОЕ ОБУЧЕНИЕ, НЕЙРОННЫЕ СЕТИ Объект исследования: применение методов машинного обучения для решения задачи извлечения информации из таблиц, полученных из источников, связанных с налоговой деятельностью. Цель работы: изучение и анализ существующих алгоритмов машинного обучения; разработка и реализация алгоритма обучения модели нейронной сети для рассматриваемой задачи; сравнительный анализ полученных результатов; определение возможных направлений по улучшению предложенного метода решения задачи, исследуемой в работе. Методы исследования: сбор и подготовка данных для обучения и тестирования моделей нейронных сетей; построение нейронной архитектуры и ее оптимизация с учетом особенностей предметной области и данных. Область применения: автоматический сбор и хранение данных, представленных в виде веб-таблиц сложной структуры, поиск по таблицам. Sun, 01 Jan 2023 00:00:00 GMT https://elib.bsu.by:443/handle/123456789/296867 2023-01-01T00:00:00Z