Дипломну роботу виконано на 73 аркушах, вона містить 3 додатки та перелік посилань на використані джерела з 21 найменувань. У роботі наведено 30 рисунків та 8 таблиць. Метою даної роботи є спрощення та алгоритмізація процесу створення зображень художнього характеру. Автоматизація процесу апроксимації розподілу зображень, як даних у багатовимірному просторі, та генерація зображень, що мають схожий набір характеристик до початкових даних. У роботі проведено аналіз існуючих рішень для вирішення проблеми генерації зображень, а саме: генеративна змагальна мережа, варіаційний автокодувальник та дифузійна модель. Виконано їх порівняння з погляду на швидкість навчання, якості згенерованих зображень та швидкості генерації кожного окремого зображення. Для вирішення поставленої задачі, було використано генеративну змагальну мережу. Для підвищення ефективності генерації зображень, було вирішено об’єднати модель генеративної змагальної мережі зі структурою згорткових нейронних мереж. Проведено пошук модифікації генеративної змагальної мережі, яка б дозволила побороти проблему колапсу режиму. Встановлено, що модель генеративної змагальної мережі Васерштайна з градієнтним штрафом, дозволяє вирішити проблему колапсу режиму, щонайменше на розглянутому проміжку навчання, тому її було обрано в якості основної. Розроблено систему, що дозволяє генерувати зображення художнього характеру. Виконано тестування розробленої системи.