ML методи в задачі класифікації безпілотних літальних апаратів
| dc.contributor.author | Ткач, Дар’я Володимирівна | |
| dc.contributor.author | Tkach, Daria Volodymyrivna | |
| dc.date.accessioned | 2025-01-28T09:25:03Z | |
| dc.date.available | 2025-01-28T09:25:03Z | |
| dc.date.issued | 2024 | |
| dc.description | Ткач Д. В. ML методи в задачі класифікації безпілотних літальних апаратів: магістерська робота / Д.В. Ткач – Запоріжжя: НУ «Запорізька політехніка», 2024. – 74 с. | |
| dc.description.abstract | UK: Об'єкт дослідження -- безпілотні літальні апарати, які використовуються у військових та цивільних цілях. Предмет дослідження -- методи класифікації безпілотних літальних апаратів, засновані на технологіях машинного навчання. Мета роботи -- розробка та вдосконалення методів класифікації безпілотних літальних апаратів на основі машинного навчання для забезпечення високої точності та надійності в умовах різноманітних сценаріїв використання. Методи дослідження -- логістична регресія, Random Forest, XGBoost та нейронні мережі для класифікації; методи попередньої обробки даних. В дипломній роботі проведено аналіз та порівняння різних методів машинного навчання для класифікації БПЛА. Розроблено систему класифікації, що забезпечує точність до 100% при використанні ансамблевих методів. Визначено ключові технічні характеристики, що впливають на класифікацію БПЛА. EN: Object of study - unmanned aerial vehicles used in military and civilian applications. Subject of study - machine learning methods for UAV classification based on their technical characteristics. The purpose of the work is to develop and improve machine learning methods for UAV classification to ensure high accuracy and reliability across various usage scenarios. Research methods - logistic regression, Random Forest, XGBoost and neural networks for classification; data preprocessing methods. The thesis presents analysis and comparison of different machine learning methods for UAV classification. A classification system was developed that provides up to 100% accuracy using ensemble methods. Key technical characteristics affecting UAV classification were identified. | |
| dc.identifier.uri | https://eir.zp.edu.ua/handle/123456789/18710 | |
| dc.language.iso | uk | |
| dc.publisher | Національний університет «Запорізька політехніка» | |
| dc.subject | безпілотні літальні апарати | |
| dc.subject | машинне навчання | |
| dc.subject | класифікація бпла | |
| dc.subject | unmanned aerial vehicles | |
| dc.subject | machine learning | |
| dc.subject | uav classification | |
| dc.title | ML методи в задачі класифікації безпілотних літальних апаратів | |
| dc.title.alternative | ML methods in unmanned aerial vehicle classification task | |
| dc.type | Master thesis |