Выпускники бакалавриата

Выпускные бакалаврские работы нескольких последних лет

(Руководитель Попов А.А.)

2025

1. Жданова Т. Определение возрастной группы человека по изображению с использованием нейронных сетей
2. Пашкова С. Сравнительный анализ классических и нейросетевых подходов для определения фаз землетрясений
3. Коробко С. Классификация в условиях частично размеченной выборки данных с использованием метода опорных векторов
4. Бахтин Р. Улучшение качества обнаружения объектов на изображении с применением метода суперразрешения

2024

1. Собещиков Я. Механизм внимания в задачах классификации в компьютерном зрении
2. Мищенко Д. Классификация в условиях частично размеченной выборки данных
3. Хайдуков А. Разработка системы автоматического распознавания заболеваний кожи по изображениям, полученным с камеры смартфона, с использованием свёрточных нейронных сетей
4. Ишутов И. Разработка модели рекомендаций на основе архитектуры гетерогенной графовой нейронной сети
5. Миронов Л. Фильтрация шума в этнографических аудиозаписях с помощью нейронных сетей

2023

1. Иванов В. Исследование архитектур нейронных сетей в задаче распознавания текста на изображениях
2. Леоненко Д: Обучение с подкреплением в среде разработки компьютерных игр Unity
3. Мак А. Приложение для построения и изменения графиков простейших функций с помощью жестов
4. Шеметов Е. Определение положения шахматных фигур на доске с помощью нейронных сетей
5. Абраменко Р. Построение классификаторов на основе ансамблей нейронных сетей.

2022

1. Троицкая Э. Восстановление отсутствующей части изображения с использованием нейронных сетей глубокого обучения
2. Парышков Д. Сегментация опухоли головного мозга на КТ изображениях с использованием нейронных сетей глубокого обучения
3. Демидович Е. Разработка модели машинного обучения для классификации родимых пятен кожи на предмет заболеваний
4. Попов Илья И. Генерация изображений высокого качества с помощью нейронных сетей глубокого обучения
5. Шорохов Н. Исследование эффективности  методов защит и атак на нейросети глубокого обучения

2021

1. Полынцева  Е. Построение глубоких нейронных сетей с использованием переносимого обучения      
2. Дубова  С. Мультиклассовая классификация на основе метода опорных векторов
3. Аникина П. Классификация в условиях частичного обучения методом опорных векторов          
4. Востриков В. Обнаружение отклонений в данных с использованием одноклассового метода опорных векторов     
5. Петровичев  А. Генерация обучающих примеров с использованием состязательных нейронных сетей

2020

1. Кожекин М. В. Локализация объектов на изображениях с использованием глубоких нейронных сетей 
2. Майер В. А. Разработка нейронной сети для эффективного управления системой лифтов
3. Назарова Т. А. Классификация с использованием ядерной логистической регрессии
4. Утюганов Д. С. Разработка мобильного приложения на основе сверточной нейронной сети для составления краткого словесного портрета человека по изображению лица.
5. Перфильев Ю.Э. Реализация алгоритмов встраивания ЦВЗ в области вейвлет преобразования изображения

2019

1. Чичкин В. Распознавание морских судов на спутниковых снимках видимого спектра
2. Мещанинов Н. Решение задачи склейки перекрывающихся изображений в панораму методом SIFT
3. Кужелев В. Алгоритм анализа форм желудочковых комплексов ЭКГ
4. Деревянкина С. Реализация и исследование алгоритмов встраивания стего в изображения
5. Фатыхов Т. Исследование способов улучшения работы классификатора медицинских изображений в в условиях малой выборки размеченных данных

2018

1. Лебедева Е. Решение задачи одноканального разделения речевых источников с использованием нейронных сетей
2. Кутырев И. Обнаружение нарушений парковки автомобилей на основе анализа изображений.
3.  Морковкин А. Решение задач классификации с использованием трансдуктивного метода опорных векторов
4. Полохин С. Классификация с помощью многоядерного метода наименьших квадратов опорных векторов

2017

1. Башкатова Д. Классификация изображений с использованием сверточных нейронных сетей
2. Ветров А. Методы, основанные на графах, для решения задачи классификации частично размеченных объектов
3. Дрозин И. Поиск эталонов с использованием функций конкурентного сходства в задаче классификации
4. Овчинников И. Мультиядерный метод опорных векторов наименьших квадратов для задач классификации
5. Паничев С. Восстановление регрессионных зависимостей с использованием мультиядерного метода опорных векторов наименьших квадратов

                                                                                     2016

1. Холкин В.В. Построение робастных решений при восстановлении зависимостей по методу опорных векторов с квадратичной  функцией потерь
2. Либрехт В.Ю. Устойчивое оценивание параметров регрессионных моделей в рамках концепции нечетких систем
3. Кочан М.В. Построение моделей временных рядов с использованием технологий нечетких систем
4. Пахоруков А.С. Стеганография. Скрытие стего в изображении.

                                                                                    2015

1. Маринич Р.А.«Классификация с использованием метода релевантных векторов»

1. Мартынов Д.С. «Построение регрессионных моделей с использованием метода релевантных векторов»
2. Соболь М.В.   «Локально и глобально информативные модификации метода k-ближайших соседей»
3. Хапакныш А.Моделирование временных рядов с использованием методологии нечетких систем

                                                                          2014

1. Бебишева О.М. «Регрессионное моделирование на основе концепции нечетких систем»
2. Гладкова А.В. «Построение регрессионных зависимостей с использованием алгоритма опорных векторов с квадратичной функцией потерь»
3. Юдкин Е.В. «Разработка программного обеспечения проведения классификации с помощью деревьев решений»

                                                                    2013

1. Шевчук П.П. "Алгоритмы стегоанализа изображений".
2. Приб М. "Поиск лиц на изображении"
3. Андреев О. О."Алгоритмы встраивания ЦВЗ в области преобразования изображения".

                                                                                     2012

1. Акберов Р.К. «Алгоритмы усиления в задаче построения регрессионных моделей».
2. Астапова Т.В. «Построение деревьев решений для задач классификации».
3. Заболотская Т.Н.«Алгоритмы кластеризации пространственных данных на основе плотности».
4. Кочеров П.Б. «Разработка информационной системы для сети предприятий общественного питания».

2011

1. Ефимов М.Г. Алгоритм опорных векторов с квадратичной функцией потерь.
2. Малеев К.С. Алгоритмы усиления слабых классификаторов.
3. Павлов А.В. Проектная оценка надежности автоматизированной системы диспетчерского управления.
4. Леванюк С.А. Метод ближайших соседей и его модификации.

2010

1. Барышева Д.Ю. Классификация с использованием мер различий.
2. Ботов А.И. Метод опорных векторов для анализа изображений на предмет наличия объекта.
3. Харламов А.Н. Фильтрация шумов на изображениях.

2009

1. Фирсова О.О. Идентификация человека по геометрии руки.
2. Кузнецов А.В. Поиск изображений в цифровых библиотеках.
3. Штанько П.С. Распознавание рукописных символов с использованием сверточных нейронных сетей.
4. Красшноштанова И.В. Выделение главных компонентов с использованием самоорганизующихся нейронных сетей.
5. Старкова О.А. Выделение контуров на изображении.
6. Картавцев А.М. Пороговая обработка в задачах сегментации изображений.
7. Колесников А.В. Сегментация методом водоразделов.

  2008

1. Трояченко А.В. Применение нейронных сетей при построении геоэлектрических разрезов.
2. Сиденко К.С. Построение стеганографической системы на базе протокола IPv4.
3. Катюргин Р.А. Декомпозиция плановых показателей филиала ОАО «УРАЛСИБ» в г. Новосибирск по адресам продаж.
4. Попова Е.В. Разработка элементов биометрической системы идентификации личности по голосу.
5. Полева М.С. Масштабирование цифровых изображений с использованием метода вырезания шва.
6. Слободчикова Ю.В. Применение фильтра Габора для обнаружения антропометрических точек на изображении лица.
7. Заварзина К.С. Алгоритмы нечеткой кластеризации. Реализация. Исследования. Сравнение.
8. Троценко Т.А. Посимвольное распознавание рукописных знаков с использованием преобразования Фурье.

2007

1.     Скобляков Д.В. Применение методов компьютерной диагностики для автоматического выявления патологий сердечно-сосудистой системы.

2. Титаев Г.П. Распознавание рукописного текста с помощью нейронных сетей.
3. Нефедов Е.Г. Реализация и исследование методов поиска номерных знаков автомобилей на изображении.
4. Нестеров А.О. Поиск лиц на изображениях с использованием цветовой составляющей текстуры кожи.
5. Степанова Е.Г. Применение методов Data Mining для поиска скрытых закономерностей в агрегированной базе данных сотовой компании.
6. Ципиногова О.М. Инвариантное к вращению распознавание объектов на изображении с использованием ориентированных гауссовских фильтров.
7. Подоспев В.В. Поиск лиц на изображении с использованием нейросетей.
8. Колесников Р.Н. Поиск изображения лица в базе данных при помощи метода главных компонент.

2006

1. Промский Д.В. Распознование речи с использованием скрытых Марковских моделей отдельных слов.
2. Кузнецов А.Г. Поиск лиц на цветных изображениях.
3. Достовалов В.В. Применение искусственных нейронных сетей для локализации газо-нефтяных залежей.
4. Желудков Р.А. Обнаружение и использование пользовательских паттернов интересов в eb на стороне сервера.
5. Колесникова А.В. Анализ данных с использованием деревьев решений.
6. Соломахин Д.В. Применение аппарата нечеткой логики для решения задач финансового анализа.

2005

1. Милюнас А.В. Анализ выражения лица с использованием метода опорных векторов.
2. Верходанова А.С. Разработка классификатора для распознавания лиц, инвариантного к изменению ракурса.
3. Царапкин В.А. Алгоритмы стегоанализа изображений.
4. Федянина С.В. Распознавание пешеходов с использованием метода опорных векторов.
5. Борцова А.С. Поиск ассоциаций в базах данных.
6. Глухова М.А. Классификация текстовых документов с использованием метода опорных векторов.
7. Ларионова Е.Ю. Компьютерный анализ и синтез текстур.

  2004

1. Саутин А.С. Реализация и исследование алгоритма опорных векторов в задаче распознавания лиц.
2. Гультяева Т.А. Распознавание лиц с использованием скрытых Марковских моделей.
3. Андреев Е.А. Реализация алгоритмов встраивания цифровых водяных знаков в область преобразования изображения.
4. Цильковский И.А. Реализация и исследование алгоритмов сегментации изображений.
5. Мясников В.Э. Аутентификация аудиосигналов методами цифровой стеганографии.
6. Харченко С.В. Web-mining. Разработка и внедрение системы мониторинга для персонализации контента web-ресурса.
7. Ершова М.А. Заполнение пробелов в таблицах данных.
8. Вдовина А.В. Реализация и исследование алгоритма опорных векторов для задач классификации.
9. Беркле В.А. Формирование нечетких запросов к базе данных с использованием логико-лингвистического моделирования предметной области.

  2003

1. Котельников И.А. Структурная и параметрическая идентификация моделей динамических систем по экспериментальным данным с использованием концепции нечетких систем.
2. Ларина Г.Н. Технологии Data Mining. Кластеризация в базах данных.
3. Казанцев Н.Ю. Применение вейвлет-преобразования для сжатия изображений.
4. Либензон Д.С. Методы распознавания образов на примере идентификации личности по отпечаткам пальцев.
5. Шайтор О.А. Гибридные сети для моделирования многофакторных систем.
6. Дружинина Е.М. Технологии Data Mining. Поиск ассоциаций в базах данных и хранилищах данных.
7. Димитрошкин Д.А. Кластеризация изображений с использованием вейвлет преобразований.
8. Галуненко Т.Н. Кластеризация с использованием сетей Кохонена.
9. Гиревая О.А. Исследование поведения агентов в многоагентной системе на примере моделирования коллективной игры.
10. Колесникова М.А. Идентификация систем одновременных уравнений с лингвистическими переменными.
11. Тагунов П.В. Распознавание образов с помощью рекуррентных сетей.
12. Тамаровский В.П. Методы визуализации данных с использованием самоорганизующихся карт.

2002

1. Аврунев О.Е. Конструирование регрессионных моделей на базе нечетких правил.
2. Лях К.Н. Конструирование регрессионных моделей оптимальной сложности на базе лингвистических переменных.