Academic literature on the topic 'Задача класифікації'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Задача класифікації.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Задача класифікації"
Мулеса, О. Ю., В. Є. Снитюк, and С. О. Герзанич. "Метод нечіткої класифікації на основі послідовного аналізу вальда." Automation of technological and business processes 11, no. 4 (February 13, 2020): 35–42. http://dx.doi.org/10.15673/atbp.v11i4.1597.
Full textПолетило С.А. "ЕКСПЕРИМЕНТАЛЬНІ ЗАДАЧІ З ФІЗИКИ В ЗАГАЛЬНООСВІТНІХ НАВЧАЛЬНИХ ЗАКЛАДАХ ТА ЇХ КЛАСИФІКАЦІЇ." ПЕДАГОГІЧНИЙ АЛЬМАНАХ, no. 49 (October 30, 2021): 61–67. http://dx.doi.org/10.37915/pa.vi49.257.
Full textGadetska, S., and V. Gorokhovatskyi. "ЗАСТОСУВАННЯ СТАТИСТИЧНИХ МІР РЕЛЕВАНТНОСТІ ДЛЯ ВЕКТОРНИХ СТРУКТУРНИХ ОПИСІВ ОБ’ЄКТІВ У ЗАДАЧІ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ." Системи управління, навігації та зв’язку. Збірник наукових праць 4, no. 50 (September 12, 2018): 62–68. http://dx.doi.org/10.26906/sunz.2018.4.062.
Full textGorokhovatsky, V. O., and K. G. Solodchenko. "ЗАСТОСУВАННЯ АПАРАТУ АНАЛІЗУ ТА ОБРОБЛЕННЯ БІТОВИХ ДАНИХ У МЕТОДАХ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ ЗА МНОЖИНОЮ КЛЮЧОВИХ ТОЧОК." Системи управління, навігації та зв’язку. Збірник наукових праць 2, no. 48 (April 11, 2018): 63–67. http://dx.doi.org/10.26906/sunz.2018.2.063.
Full textGorokhovatsky, V. O., D. V. Pupchenko, and K. G. Solodchenko. "АНАЛІЗ ВЛАСТИВОСТЕЙ, ХАРАКТЕРИСТИК ТА РЕЗУЛЬТАТІВ ЗАСТОСУВАННЯ НОВІТНІХ ДЕТЕКТОРІВ ДЛЯ ВИЗНАЧЕННЯ ОСОБЛИВИХ ТОЧОК ЗОБРАЖЕННЯ." Системи управління, навігації та зв’язку. Збірник наукових праць 1, no. 47 (February 8, 2018): 93–98. http://dx.doi.org/10.26906/sunz.2018.1.093.
Full textНастенко, Є., В. Максименко, С. Поташев, В. Павлов, В. Бабенко, С. Рисін, О. Матвійчук, and В. Лазоришинець. "ЗАСТОСУВАННЯ МЕТОДУ ГРУПОВОГО УРАХУВАННЯ АРГУМЕНТІВ ДЛЯ ПОБУДОВИ АЛГОРИТМІВ ДІАГНОСТИКИ ІШЕМІЧНОЇ ХВОРОБИ СЕРЦЯ." Біомедична інженерія і технологія, no. 5 (May 12, 2021): 1–9. http://dx.doi.org/10.20535/2617-8974.2021.5.227141.
Full textVerhun, V. R. "Характеристика методів розв'язання задачі класифікації в інтелектуальному аналізі даних навчальних програм." Scientific Bulletin of UNFU 29, no. 6 (June 27, 2019): 136–39. http://dx.doi.org/10.15421/40290626.
Full textGorokhovatskyi, V., A. Zaporozhchenko, Т. Siryk, and O. Tarasenko. "ДОСЛІДЖЕННЯ РЕЗУЛЬТАТИВНОСТІ ЗАСТОСУВАННЯ ОЗНАК РОЗПОДІЛІВ ДАНИХ ДЛЯ ОБЧИСЛЕННЯ РЕЛЕВАНТНОСТІ ОПИСІВ ЗОБРАЖЕНЬ." Системи управління, навігації та зв’язку. Збірник наукових праць 1, no. 59 (February 26, 2020): 68–73. http://dx.doi.org/10.26906/sunz.2020.1.068.
Full textСоловйов, Володимир Миколайович. "Універсальний інструментарій моделювання складних систем." New computer technology 15 (April 25, 2017): 10–14. http://dx.doi.org/10.55056/nocote.v15i0.617.
Full textГавриленко, Олена, and Неля Новіченко. "ДОСЛІДЖЕННЯ ОПТИМІЗАТОРІВ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ БУДІВЕЛЬ ЗА АРХІТЕКТУРНИМ СТИЛЕМ." System technologies 5, no. 136 (May 29, 2021): 169–79. http://dx.doi.org/10.34185/1562-9945-5-136-2021-16.
Full textDissertations / Theses on the topic "Задача класифікації"
Кічангіна, Ольга Євгенівна. "Система розпізнавання хвороби Альцгеймера по знімкам МРТ за допомогою нейронних мереж." Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2021. https://ela.kpi.ua/handle/123456789/45218.
Full textThesis: 122 p., 10 tabl., 40 fig., 2 appendices, 24 sources. Object of research: recognition of Alzheimer's disease by MRI. Subject of research: analysis of methods and models for solving the problem. The purpose of the study: to study the existing methods of image recognition and classification, to develop our own system of Alzheimer's disease detection by MRI images using an algorithm based on existing approaches to solve our task. Used models: the software implementation used the basic models ResNet50, VGG19 and InceptionV3, convolutional autoencoder and KNN algorithm. Results: built a system for recognizing Alzheimer's disease, which can assign an MRI image to one of 3 classes: Normal, OldAge and AD with accuracy 88%.
Брежнєв, Є. В., М. Г. Шокін, and С. А. Олізаренко. "Вирішення задачі класифікації об'єктів ураження як задачі нечіткого кластерного аналізу." Thesis, Видавництво СумДУ, 2010. http://essuir.sumdu.edu.ua/handle/123456789/21166.
Full textГутман, А. І. "Застосування нейронних мереж для задач класифікації." Thesis, Київський національний університет технологій та дизайну, 2018. https://er.knutd.edu.ua/handle/123456789/11830.
Full textОхотний, С. М. "Логічні закономірності в задачах класифікації даних у технологіях комп’ютерного зору." Thesis, ЦНТУ, 2017. http://dspace.kntu.kr.ua/jspui/handle/123456789/7492.
Full textСавеленко, О. К. "Особливості використання методів кластерного аналізу для вирішення задач конструкторсько-технологічної класифікації." Thesis, ЦНТУ, 2017. http://dspace.kntu.kr.ua/jspui/handle/123456789/7493.
Full textКохановська, Н. В., О. В. Якімова, and Андрій Олександрович Дашкевич. "Розробка алгоритму навчання штучної нейронної мережі для вирішення задачі класифікацї." Thesis, НТУ "ХПІ", 2011. http://repository.kpi.kharkov.ua/handle/KhPI-Press/3350.
Full textАбдураімов, Таір Заірович. "Алгоритм глибинного аналізу даних для задачі класифікації на основі штучного бджолиного рою." Master's thesis, КПІ ім. Ігоря Сікорського, 2020. https://ela.kpi.ua/handle/123456789/38328.
Full textActuality of theme. As the size of digital information grows exponentially, large amounts of raw data need to be extracted. To date, there are several methods to customize and process data according to our needs. The most common method is to use Data Mining. Data Mining is used to extract implicit, valid and potentially useful knowledge from large amounts of raw data. The knowledge gained must be accurate, readable and easy to understand. In addition, the data mining process is also called the knowledge discovery process, which has been used in most new interdisciplinary fields, such as databases, artificial intelligence statistics, visualization, parallel computing, and other fields. One of the new and extremely powerful algorithms used in Data Mining is evolutionary algorithms and swarm-based approaches, such as the ant algorithm and particle swarm optimization. In this paper, it is proposed to use a fairly new idea of the swarm of bee swarm algorithm for data mining for a widespread classification problem. Purpose: to develop an algorithm for data mining for the classification problem based on the swarm of bee swarms, which exceeds other common classifiers in terms of accuracy of results and consistency. The object of research is the process of data mining for the classification problem. The subject of the study is the use of a swarm of bee swarms for data mining. Research methods. Methods of parametric research of heuristic algorithms, and also methods of the comparative analysis for algorithms of data mining are used. The scientific novelty of the work is as follows: 1. As a result of the analysis of existing solutions for the classification problem, it is decided to use such metaheuristics as the swarm of bee swarm. 2. The implementation of the bee algorithm for data mining is proposed. The practical value of the results obtained in this work is that the developed algorithm can be used as a classifier for data mining. In addition, the proposed adaptation of the bee algorithm can be considered as a useful and accurate solution to such an important problem as the problem of data classification. Approbation of work. The main provisions and results of the work were presented and discussed at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2019 (Kyiv, 2019), as well as at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2020 (Kyiv, 2020). Structure and scope of work. The master's dissertation consists of an introduction, four chapters, conclusions and appendices. The introduction provides a general description of the work, assesses the current state of the problem, substantiates the relevance of research, formulates the purpose and objectives of research, shows the scientific novelty of the results and the practical value of the work, provides information on testing and implementation. The first section discusses the data mining algorithms used for the classification problem. The possibility of using heuristic algorithms, namely the bee swarm algorithm for this problem, is substantiated. The second section discusses in detail the algorithm of the bee swarm and the principles of its operation, also describes the proposed method of its application for data mining, namely for the classification problem. The third section describes the developed algorithm and the software application in which it is implemented. In the fourth section the estimation of efficiency of the offered algorithm, on the basis of testing of algorithm, and also the comparative analysis between the developed algorithm and already different is resulted. The conclusions present the results of the master's dissertation. The work is performed on 89 sheets, contains a link to the list of used literature sources with 18 titles. The paper presents 38 figures and 2 appendices.
Кунцев, С. В. "Застосування системи data mining бібліотеки Xelopes для розв'язання задач класифікаці." Thesis, ІНЖЕК, 2012. http://essuir.sumdu.edu.ua/handle/123456789/63969.
Full textTo build a model based on the method of classification used software system Data Mining Library Xelopes. Solved two problems of classification. Completed application model for the new data. It is shown that the system is easy, it can be used to teach students techniques Data Mining, as well as for solving classification problems arising in the economy.
Галкін, Олександр Анатолійович. "Методика розширюваних гіперсфер на основі методу опорних векторів для задач класифікації даних." Diss. of Candidate of Physical and Mathematical Sciences, М-во освіти і науки України, Київ. нац. ун-т ім. Тараса Шевченка, 2013.
Find full textТішаєв, І. В. "Розв"язання промисло-геофізичних задач класифікації методами штучних нейронних мереж та вейвлет-аналізу." Diss. of Candidate of Physical and Mathematical Sciences, КНУТШ, 2006.
Find full textConference papers on the topic "Задача класифікації"
Настенко, Є. А., В. А. Павлов, and Д. Ю. Грішко. "Рішення задачі реконструкції та класифікації зображення в просторі параметрів функцій запізнення на прикладі класифікації УЗ зображень норма-патологія печінки." In SCIENCE, ENGINEERING AND TECHNOLOGY: GLOBAL TRENDS, PROBLEMS AND SOLUTIONS. Baltija Publishing, 2020. http://dx.doi.org/10.30525/978-9934-588-79-2-1.15.
Full textReports on the topic "Задача класифікації"
Семеріков, Сергій Олексійович, Катерина Іванівна Словак, and Світлана Віталіївна Бас. До питання про компетентнісні задачі. Мрія, December 2015. http://dx.doi.org/10.31812/0564/991.
Full textКомарова, Олена Володимирівна. Методичні умови формування методологічних знань старшокласників про закон Харді – Вайнберга при розв’язуванні задач з генетики популяцій. Кам’янець-Подільський національний університету імені Івана Огієнка ; Інститут педагогіки НАПН України, 2015. http://dx.doi.org/10.31812/0564/1832.
Full textЗагородько, П. Можливості квантового програмування для реалізації задач машинного навчання. Криворізький державний педагогічний університет, 2020. http://dx.doi.org/10.31812/123456789/5380.
Full textСемеріков, Сергій Олексійович, and Ілля Олександрович Теплицький. Методика уведення основ Machine learning у шкільному курсі інформатики. Вид-во НПУ імені М.П. Драгоманова, October 2018. http://dx.doi.org/10.31812/123456789/2838.
Full textКомарова, Олена Володимирівна. Біологічний факт як елемент знань учнів з екології людини. Національний педагогічний університет імені М. П. Драгоманова. Київ, 2006. http://dx.doi.org/10.31812/0564/1863.
Full text