Academic literature on the topic 'Класифікації даних'

Актуальність. Мостові інсульти є складними в діагностиці і, порівняно з півкульними інсультами, мають гірший прогноз та перебіг. Проте мало наукових праць опубліковано про класифікацію мостових інсультів. Ми прагнули надати місткий та короткий огляд наукової медичної літератури щодо класифікації мостових інсультів. Матеріали та методи. Проведено комплексний електронний пошук літератури у базах даних Scopus, Web of Science, MEDLINE, SciЕLО, PubMed, The Cochrane Library, EMBASE, Global Health, CyberLeninka, RINC, а також у базах даних державних наукових бібліотек України, Європейського Союзу, Великобританії, США з метою виявлення наукових публікацій, у яких обговорювалася класифікація мостових інсультів. Результати. Наведено та обговорено огляд наукової медичної літератури про класифікацію мостових інсультів. Висновки. Ми надали докладний огляд класифікації мостових інсультів.

Предметом досліджень статті є моделі ознак розподілів даних дескрипторів ключових точок для вирішення задач розпізнавання та класифікації візуальних об’єктів у системах комп’ютерного зору. Метою є дослідження модифікації методу структурної класифікації на підставі зіставлення розподілів даних для фрагментів дескрипторного опису зображення. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією обчислення релевантності описів на підставі розподілів даних, вивчення властивостей цих моделей, оцінювання результативності у задачі класифікації зображень. Застосовані методи: детектор ORB для формування дескрипторів ключових точок, статистичний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані результати. Перехід від опису як множини дескрипторів до розподілів фрагментів, побудова та зіставлення розподілів забезпечують достатню результативність класифікації. Класифікація виконується у кілька разів швидше, ніж при використанні безпосередньо множини дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурної класифікації зображень на основі впровадження блочної структури опису із використанням значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності для класифікації, підтвердження результативності запропонованого простору ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору

РЕЗЮМЕ. На сьогодні міокардіопатії займають провідне місце в загальній структурі захворюваності. Майже 50 % пацієнтів, які раптово помирають у дитинстві чи підлітковому віці або переносять трансплантацію серця, страждають від кардіоміопатій. Клінічні і функціональні її прояви достатньо висвітлені в науковій літературі, однак морфологічним змінам серця не надається достатньої уваги. Мета – cистематизувати класифікації кардіоміопатій, виявити їхні недоліки та переваги, а також заснувати новий поділ. Матеріал і методи. Вивчено і узагальнено класифікації кардіоміопатій, викладених Гудвіном та Оклі, Європейським товариством кардіологів та комітетом Американської асоціації серця. Результати. В ході аналізу матеріалу ми виявили недоліки найпоширеніших класифікацій, що підштовхнуло нас до створення власного поділу кардіоміопатій, в основі якого лежать етіологічні та патогенетичні принципи. Висновки. Дотепер використовуються дві найвідоміші класифікації: Американської асоціації серця та Європейського товариства кардіологів, фундамент яких заклали Гудвін та Оклі, створивши перший поділ, який ґрунтується на патоморфологічних змінах міокарда: дилатаційні (DCM), гіпертрофічні (HCM) і рестриктивні (RCM) типи кардіоміопатії. Згодом додали нові види: аритмогенну та некласифіковану кардіоміопатії. Проаналізувавши обидві класифікації ми дійшли до висновку, що вони потребують редагування, тому що на практиці лікарю складно визначити тип кардіоміопатії, що, у свою чергу, призводить до неефективності лікування. На основі даних зауважень можна створити нову класифікацію, яка найкраще висвітлить етіологічний та патогенетичний поділ кардіоміопатій, що важливо для вибору оптимальної терапії. Наша класифікація включає в себе автоімунну, електролітну, постінфекційну, токсичну та змішану кардіоміопатії.

Спроектовано веб-додаток, який дасть змогу здійснювати класифікацію політематичних текстових новин з інтернет-сайтів у режимі онлайн, їх зберігати і редагувати, а отримані результати ставити в чергу для подальшого оброблення та використання. Проаналізовано наявні методи класифікації політематичної текстової інформації з можливістю вибору потрібного з них чи їх комбінації, які найбільш ефективно можуть задовольняти встановлені вимоги замовників до неї за різними критеріями. Визначено метод для класифікації політематичних текстових новин, робота якого розрахована на онлайн режим їх надходження з послідовним аналізом на вході множини текстових даних. Спроектовано архітектуру веб-додатку для послідовної класифікації текстових даних у режимі онлайн та обґрунтовано його перелік необхідних функцій, які забезпечуватимуть зберігання, оброблення та перегляд текстової інформації, отриманої внаслідок аналізу інтернет-сайтів, або даних, необхідних для його роботи. Розроблено структуру організації баз даних для реалізації веб-додатку, які забезпечать надійне зберігання класифікованої інформації за різними критеріями, а також даних для авторизації та автоматизації дій користувача. Реалізовано веб-додаток з використанням середовища розробника, обраної мови програмування, засобів реалізації та спроектованої клієнт-серверної його архітектури, функціонал якого обробляє відповідну інформацію, використовує базу даних для її зберігання та виконання подальших дій. Для ефективної роботи веб-додатку під час класифікації текстових новин передбачено різних користувачів, потреби яких доступні за оплату, яку можна здійснити відразу на ресурсі. Користувачам доступний такий функціонал веб-додатку: оброблення, зберігання, редагування текстових новин та результатів їх класифікації, авторизації та оплати додаткових функцій.

Мета дослідження – дослідити мережу військово-історичних музеїв в Україні та здійснити систематизацію закладів сучасної військово-історичної музейної мережі. Методологія дослідження вибудовувалася із застосуванням загальнонаукових принципів системності, історизму та законів логіки, що сприяло пошуку джерел інформації, її відбору, класифікації, систематизації та аналітичній обробці. Використаний методологічний та статистичний інструментарій дав змогу об’єктивно дослідити військово-історичну мережу та запропонувати класифікацію її закладів. Наукова новизна. На основі широкого використання статистичних даних здійснено систематизацію закладів сучасної військово-історичної музейної мережі. Розроблено ознаки класифікації державних музеїв, музеїв у системі Міністерства оборони України, при закладах освіти сфери управління Міністерства освіти і науки України. Проаналізовано співвідношення між військово-історичними та іншими державними музеями України за регіонами та співвідношення між військово-історичними та іншими державними музеями України в Автономній Республіці Крим і м. Севастополь. Висновки. У незалежній України вкрай актуалізоване питання використання знань про свою історію. У його розв’язанні одне з провідних місць займають військово-історичні музеї. Дослідження їх мережі та класифікація залишаються дискусійними й потребують подальшого аналізу. Однак однією з ключових ознак класифікації має стати профіль і типологія музеїв. Відсутність окремого обліку військово-історичних музеїв ускладнило пошук необхідної інформації, який був обмежений збором відомостей з офіційних джерел системи Міністерства культури України та даних Державної служби статистики України.

Предметом досліджень є моделі для класифікації зображень у просторі описів як множини дескрипторів ключових точок при розпізнаванні візуальних об’єктів у системах комп’ютерного зору. Метою є розвинення структурного методу класифікації шляхом впровадження логічного оброблення даних із використанням ймовірнісного розподілу у вигляді статистичного центру. Завдання: розроблення математичних та програмних моделей для обчислення релевантності описів зображень із використанням логічного аналізу, вивчення властивостей, варіантів застосування, значень параметрів моделей, оцінювання результативності за наслідками оброблення експериментальної бази зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, математична статистика, засоби визначення релевантності для множин даних, програмне моделювання. Отримані результати: ефективність способу класифікації на основі логічного аналізу з використанням статистичних центрів залежить від відстаней між центрами еталонів бази. Застосування логічного аналізу спрощує оброблення і підвищує швидкодію класифікації. Найкращі результати щодо класифікації окремих дескрипторів показав підхід з використанням уточнених центрів. Використання концентрованої частки даних опису дає можливість ретельніше зосередитися на його відмінностях з іншими описами. Висновки. Наукова новизна – удосконалення методу класифікації зображень на основі впровадження логічного аналізу на підставі статистичного центру опису, що дає можливість модифікувати склад опису зі збереженням властивостей об’єктів в аспекті результативної класифікації. Практична значущість роботи полягає у досягненні прийнятого рівня ефективності класифікації за визначеною моделлю релевантності, підтвердженні працездатності запропонованих модифікацій оброблення даних на прикладах зображень, розробленні програмних моделей для впровадження описаних методів класифікації у системах комп’ютерного зору.

Класифікація форми правління може мати науковий характер лише за умови, якщо ґрунтуватиметься на врахуванні її конституційних ознак. Застосування інших критеріїв надає класифікації форми правління відносного значення. Лише правові ознаки форми правління відображають її сутнісні риси і притаманну їй логіку організації державної влади. Метою статті є встановлення найважливіших правових ознак форми правління та обґрунтування їх значення як критеріїв, що уможливлюють справді науковий характер класифікації форми правління, критика емпіричного підходу до її класифікації. Оскільки в багатьох випадках фактичні характеристики державного владарювання дисонують із юридично визначеною формою правління, окремі науковці стверджують про недостатність формально-правових критеріїв для адекватної класифікації форми правління і вважають, що вона вимагає застосування так званого функціонального принципу і повинна ґрунтуватися на конкретних емпіричних даних. Однак форма правління – це нормативно встановлена організація державної влади, а не її функціональна характеристика. І те, що певна форма правління в різних зовнішніх умовах функціонує по-різному, зовсім не засвідчує, що тим самим змінюється її конституційна сутність. Політична практика, яка суттєво нівелює чи навіть повністю усуває конституційні елементи форми правління, не створює нової форми правління, оскільки не змінює її конституційних характеристик. Наслідком застосування емпіричного підходу до класифікації форми правління стала поява потенційно необмеженого числа “нових” форм правління. Суб’єктивізм, який лежить в основі емпіричного підходу, спричиняє хибні результати й унеможливлює вироблення загальновизнаної у фаховому середовищі класифікації форм правління. Методологічний підхід до класифікації форми правління, який ігнорує її правові ознаки і підмінює їх емпіричними даними, пояснює, чому в різних “приват-них” класифікаціях ті самі держави потрапляють до різних класифікаційних груп. До того ж класифікації, побудовані на основі особистих інтелектуальних уподобань їх розробників, часто страждають надмірною складністю критерію класифікації, що утруднює розуміння її логіки.

У даній роботі розглянуто фільтр Блума, який вирішує задачу фільтрації потоків, та було запропоновано новий підхід використання цього фільтру для класифікації текстових даних. В якості вхідних даних було обрано текстові дані, які надходять у реальному часі. Розглянуто модель з точки зору точності класифікації, швидкості навчання моделі, кількості використаної пам’яті та швидкістю видачі результату класифікації. Представлено метод донавчання моделі та критерій відбору слів для покращення навчання моделі. Показано процес навчання моделі для багатокласової класифікації. Виявлені проблеми даного підходу та запропоновані проблеми їх вирішення.

Досліджено публікації останніх років у галузі інтелектуального аналізу даних навчальних програм. Кількість досліджень у цій галузі зростає, проте здебільшого це однотипні дослідження, що використовують однакові вибірки даних. Розроблено критерії, відповідно до яких було отримано вибірку з публікаціями для проведення аналізу використання методів інтелектуального аналізу даних навчальних програм. Найбільше досліджень у галузі Інтелектуального Аналізу Даних у навчанні стосуються вирішення задачі кластеризації, класифікації та асоціації. Для створення вибірки до уваги обрано дослідження з використанням методів та алгоритмів, що вирішують задачу класифікації. Вибірка статей включає дослідження, що аналізують продуктивність методів класифікації та представляють результати та порівняння показників. За результатом аналізу вибрано алгоритми, що показують найкращі результати продуктивності серед інших алгоритмів з вибірки. Згідно із встановленими критеріями, кожна публікація повинна вирішувати конкретну наукову задачу. У цій галузі методи інтелектуального аналізу даних отримують застосування для вирішення різних прикладних задач у навчальному процесі. Відповідно до контексту та типу прикладної задачі залежить вибір конкретного методу та точність вибраних алгоритмів. Тому категоризація прикладних завдань дає змогу отримувати якісніші підходи до розв'язання наукової задачі. Встановлено категорії проблематики, яких стосуються найбільше наукових досліджень з використанням методів класифікації.

Дисертаційна робота присвячена дослідженню особливостей логічних та алгоритмічних дерев класифікації, деяких питань їх застосування в задачах інтелектуального аналізу даних, розпізнавання образів шляхом створення ефективних моделей класифікації та аналізу великих масивів даних, універсальних систем розпізнавання дискретних об’єктів. Проаналізовано та досліджено деревоподібні моделі класифікації різних типів. Розроблено комплексний метод побудови деревоподібних моделей класифікації, який базується на поетапній апроксимації масиву початкових даних НВ набором відібраних та оцінених незалежних алгоритмів розпізнавання. Розроблено метод Т – опорних множин, який полягає у відборі, фіксації набору ознак разом зі своїми значеннями – класифікаторів в структурі ЛДК. Розроблено моделі та методи побудови структур АДК двох типів, де отримані дерева класифікації складаються з різних алгоритмів та методів розпізнавання й в свою чергу представляють собою нові алгоритми, схеми класифікації. Розроблено модель та метод побудови обмежених структур АДК, які спрямовані на добудову лише тих шляхів, ярусів конструкції дерева класифікації, де є найбільша кількість помилок усіх типів класифікації. Розроблено методи знаходження подібності конструкцій логічних дерев в задачах мінімізації їх структур. Здійснено числову оцінку впливу процедури обрізки побудованого ЛДК – перестановки ярусів, рівнів, блоків структури ЛДК в конструкції регулярного логічного дерева на його загальну складність. Здійснено оцінку збіжності процедури побудови моделей дерев класифікації, запропонованих в дослідженні структур АДК для умов слабкого та сильного розділення класів початкової НВ. Present thesis is devoted to studying the specific features of both logical and algorithmic classification trees, some issues of their use in the problems of intelligence data analysis and image recognition by creating the efficient models of classification and analysis of large and super-large data arrays and universal systems of discrete object recognition. Tree-like classification models of various types are analyzed and studied. The concept of constructing tree-like classification models based on a step-by-step approximation of an array of initial TS data with a set of selected and evaluated independent recognition algorithms is proposed. The concept of T – reference sets is proposed, which consists in selecting and fixing a set of features together with their classifier values in the LCT structure. Models and methods for constructing ACT structures of two types are developed, where the resulting classification trees consist of various algorithms and recognition methods, which in turn represent new algorithms and classification schemes. A model and method for constructing bounded ACT structures are developed, which are aimed at completing only those paths, tiers of the classification tree structure where there are the largest number of errors of all classification types. Methods for finding the similarity of logical tree structures in problems of minimizing their structures are developed. A numerical estimate of the impact of the pruning procedure of the constructed LCT – rearrangement of tiers, levels, and blocks of the LCT structure in the construction of a regular logical tree on its overall complexity is given. The convergence of the procedure for constructing classification tree models proposed in the study of ACT structures for conditions of weak and strong separation of initial TS classes is estimated. Диссертационная работа посвящена исследованию особенностей логических и алгоритмических деревьев классификации, некоторых вопросов их применения в задачах интеллектуального анализа данных, распознавания образов путем создания эффективных моделей классификации и анализа больших массивов данных, универсальных систем распознавания дискретных объектов. В работе исследована и решена актуальная научно-прикладная проблема развития теории анализа и синтеза деревьев решений, разработки моделей, методов, прикладного инструментария интеллектуального анализа данных на основе логических и алгоритмических деревьев классификации с большей точностью, уменьшенной сложностью моделей и повышенной эффективностью классификации дискретных объектов. Проанализированы и исследованы древовидные модели классификации различных типов. Предложен комплексный метод построения древовидных моделей классификации, который базируется на поэтапной аппроксимации массива начальных данных набором отобранных и оцененных независимых алгоритмов распознавания. Предложен метод Т – опорных множеств, который заключается в отборе, фиксации набора признаков вместе со своими значениями – классификаторов в структуре ЛДК. Разработаны модели и методы построения структур АДК двух типов, где полученные деревья классификации состоят из различных алгоритмов и методов распознавания и в свою очередь представляют собой новые алгоритмы, схемы классификации. Разработана модель и метод построения ограниченных структур АДК, которые направлены на достройку только тех путей, ярусов конструкции дерева классификации, где есть наибольшее количество ошибок всех типов классификации. Разработаны методы нахождения сходства конструкций логических деревьев в задачах минимизации их структур. Дана числовая оценка влияния процедуры обрезки построенного ЛДК – перестановки ярусов, уровней, блоков структуры ЛДК в конструкции регулярного логического дерева на его общую сложность. Дана оценка сходимости процедуры построения моделей деревьев классификации, предложенных в исследовании структур АДК для условий слабого и сильного разделения классов начальной ОВ. Разработан программный инструментарий построения структур ЛДК/АДК (моделей деревьев классификации различных типов), который позволяет решать широкий спектр разнотипных прикладных задач распознавания образов. По результатам диссертационного исследования проведено экспериментальное моделирование, апробация разработанных моделей и методов на практических задачах, а определения эффективности предложенных в работе методов построения АДК осуществлено на основе интегральных показателей качества моделей.

Актуальність теми. Оскільки розмір цифрової інформації зростає в геометричній прогресії, потрібно витягувати великі обсяги необроблених даних. На сьогоднішній день існує кілька методів налаштування та обробки даних відповідно до наших потреб. Найбільш поширеним методом є використання інтелектуального аналізу даних (Data Mining). Data Mining застосовується для вилучення неявних, дійсних та потенційно корисних знань із великих обсягів необроблених даних. Видобуті знання повинні бути точними, читабельними та легкими для розуміння. Крім того, процес видобутку даних також називають процесом виявлення знань, який використовувався в більшості нових міждисциплінарних областей, таких як бази даних, статистика штучного інтелекту, візуалізація, паралельні обчислення та інші галузі. Одним із нових і надзвичайно потужних алгоритмів, що використовуються в Data Mining, є еволюційні алгоритми та підходи, що базуються на рії, такі як мурашиний алгоритм та оптимізація рою частинок. В даній роботі запропоновано використати для інтелектуального аналізу даних досить нову ідею алгоритма бджолиного рою для широко розповсюдженої задачі класифікації. Мета роботи: покращення результатів класифікації даних в сенсі в точності і сталості за допомогою алгоритму інтелектуального аналізу даних на основі алгоритму бджолиного рою. Об’єктом дослідження є процес інтелектуального аналізу даних для задачі класифікації. Предметом дослідження є використання алгоритму бджолиного рою для інтелектуального аналізу даних. Методи дослідження. Використовуються методи параметричного дослідження евристичних алгоритмів, а також методи порівняльного аналізу для алгоритмів інтелектуального аналізу даних. Наукова новизна одержаних результатів роботи полягає в тому, що після проведеного аналізу існуючих рішень, запропоновано використати алгоритм бджолиного рою для задачі класифікації, точність і сталість якого перевищує показники існуючих класифікаторів. Практичне значення одержаних результатів полягає в тому, що розроблений алгоритм показує кращі результати в сенсі точності і сталості в порівнянні з іншими алгоритмами інтелектуального аналізу даних. Тобто адаптація бджолиного алгоритму може розглядатися як корисне та точне рішення для такої важливої проблеми, як задача класифікації даних. Апробація роботи. Основні положення й результати роботи були представлені та обговорювались на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2019 (Київ, 2019 р.), а також на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2020 (Київ, 2020 р.). Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів, висновків та додатків. У вступі надано загальну характеристику роботи, виконано оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їх впровадження. У першому розділі розглянуто алгоритми інтелектуального аналізу даних, які використовуються для задачі класифікації. Обґрунтовано можливість використання евристичних алгоритмів, а саме алгоритму бджолиного рою для цієї задачі. У другому розділі детально розглянуто алгоритм бджолиного рою та принципи його роботи, також описано запропоновану методику його застосування для інтелектуального аналізу даних, а саме для задачі класифікації. У третьому розділі описано розроблений алгоритм та програмний додаток, в якому він реалізований. У четвертому розділі приведена оцінка ефективності запропонованого алгоритм, на основі тестування алгоритму, а також порівняльного аналізу між розробленим алгоритмом та вже існуючими. У висновках представлені результати магістерської дисертації. Робота виконана на 81 аркуші, містить посилання на список використаних літературних джерел з 18 найменувань. У роботі наведено 38 рисунків та 5 додатків.
Actuality 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.

Магістерська дисертація: 100 с., 15 рис., 14 табл., 1 додаток, 83 джерела. Зараз одним з основних етапів при дослідженні об’єктів, явищ і процесів різної природи є математичне моделювання і пов’язаний ним комп’ютерний експеримент. Чисельні експерименти дають можливість, як планувати натурний експеримент, так і отримувати нові знання про ті процеси і явища для яких утруднений, або взагалі неможливий натурний експеримент. Велика кількість математичних моделей після виконання відповідних перетворень можуть бути описанні системами лінійних алгебраїчних рівнянь (СЛАР) з розрідженими матрицями. Основною особливістю таких систем є їхні великі порядки і невелика кількість ненульових елементів. Великі порядки СЛАР виникають за рахунок того, що дослідники хочуть отримати якомога достовірніші результати, через це будуються більш деталізовані моделі. Мала кількість ненульових елементів пояснюється особливостями дискретизації моделі. Зокрема, системи рівнянь з розрідженими матрицями виникають у задачах аналізу міцності конструкцій у цивільному та промисловому будівництві, фільтрації, тепло- та масо переносу, тощо. Область застосування методів розв’язування СЛАР з розрідженими матрицями постійно розширюється. Через це виникає інтерес до проблеми побудови ефективних методів розв’язання таких систем, порядки яких перевищую сотні тисяч. Класичні результати, що стосуються розробки методів розв’язання СЛАР з розрідженими матрицями висвітлюються у ряді монографій американських і вітчизняних авторів: А. Джорджа, Дж. Лю, С. Писанецьки, Дж. Голуба, Р. Тюарсона, І.А. Блатова, М.Е. Ексаревської та інших. Також зростають вимоги до обчислювальної техніки, що використовується для проведення комп’ютерного експерименту. Вона повинна забезпечувати достатню швидкодію і мати необхідну кількість ресурсів, щоб результат експерименту можна було отримати за досить невеликий проміжок часу. Зараз на ринку представлені багато різних архітектур комп’ютерів з паралельною організацією обчислень. Найбільш продуктивними є платформи так званої «гібридної» архітектури. Дані системи поєднують у собі MIMD- (multiple instructions – multiple data) та SIMD-архітектури (single instruction – multiple data), а саме у системі з багатоядерними процесорами обчислення прискорюються за рахунок графічного прискорювача. Отже одним з ефективних підходів до розв’язання СЛАР з розрідженими матрицями є побудова паралельних алгоритмів, що враховують особливості архітектури комп’ютера. Основними проблемами розробки ефективних паралельних алгоритмів є: аналіз структури матриці, або приведення її до відповідного вигляду, застосовуючи відповідні алгоритми перетворення; вибір ефективної декомпозиції даних; визначення ефективної кількості процесорних ядер і графічних прискорювачів, що використовуються для обчислень; визначення топології міжпроцесних зв’язків, яка зменшує кількість комунікацій і синхронізацій. Саме для аналізу структури розрідженої матриці використовується нейрона мережа, яка дозволить виділити групи ненульових елементів, які можуть оброблятись незалежно. За результатами аналізу буде будуватись декомпозиція даних та обиратись кількість обчислювальних ядер, що забезпечить найкоротший час розрахунків для конкретної структури матриці. Мета та завдання дослідження. Метою роботи є розробка та дослідження паралельних методів та комп’ютерних алгоритмів для дослідження та розв’язування СЛАР з розрідженими матрицями нерегулярної структури на комп’ютерах MIMD-архітектури та комбінації MIMD- і SIMD-архітектури, апробація алгоритмів при математичному моделюванні у прикладних задачах. До завдань дослідження належать: • розробка та дослідження ітераційних паралельних алгоритмів для СЛАР з розрідженими матрицями нерегулярної структури з наближеними даними; • розробка алгоритмів та програм дослідження достовірності розв’язків, отриманих прямими та ітераційними методами; • апробація алгоритмів для математичного моделювання в прикладних задачах. Об’єкт дослідження – математичні моделі, що описуються СЛАР з розрідженими матрицями нерегулярної структури. Предмет дослідження – паралельні методи та комп’ютерні алгоритми знаходження розв’язку СЛАР з розрідженими матрицями нерегулярної структури. Методи дослідження. У роботі застосовуються методи теорії матриць, лінійної алгебри, теорії графів, функціонального аналізу, теорії похибок, теорія нейронних мереж.
Now one of the main stages in the study of objects, phenomena and processes of different nature is mathematical modeling and related computer experiment. Numerous experiments give an opportunity to plan a full-scale experiment, as well as to get new knowledge about those processes and phenomena for which it is difficult, or in general, impossible to carry out a full-scale experiment. A large number of mathematical models can be described by systems of linear algebraic equations (SLRs) with soldered matrices after performing the corresponding transformations. The main feature of such systems is their large orders and a small number of non-zero elements. Large orders of SLAR arise due to the fact that researchers want to get the most reliable results, which is why more detailed models are being built. The small number of non-zero elements is due to the discretization of the model. In particular, systems of equations with sparse matrices arise in problems of analysis of the strength of structures in civil and industrial construction, filtration, heat and mass transfer, and others like that. Scope of the methods of solving SLR with sparse matrices is constantly expanding. Because of this, there is an interest in the problem of constructing effective methods for solving such systems, whose orders exceed hundreds of thousands. Classical results concerning the development of methods for solving SLRR with rarefied matrices are covered in a series of monographs of American and domestic authors: A. George, J. Liu, S. Pisanetski, J. Golub, R. Tjurson, I. A. Blatova, ME Ekseryrovskaya and others. Also, the requirements for the computer technology used to conduct a computer experiment are growing. It must provide sufficient speed and have the required amount of resources so that the result of the experiment can be obtained over a relatively short period of time. Now in the market there are many different architectures of computers with parallel computing organization. The most productive are the platforms of the so-called "hybrid" architecture. These systems combine MIMD (multiple instructions - multiple data) and SIMD architecture (single instruction - multiple data), in particular, in a multi-core processor system, computations are accelerated by means of a graphical accelerator. Hence, one of the effective approaches to solving SLR with sparse matrices is the construction of parallel algorithms that take into account the peculiarities of computer architecture. The main problems of developing effective parallel algorithms are: analysis of the structure of the matrix, or bringing it to the corresponding form, using appropriate conversion algorithms; choice of effective data decomposition; determining the effective number of processor cores and graphic accelerators used for calculations; definition of the interprocess communication topology, which reduces the number of communications and synchronizations. It is precisely for analyzing the structure of a sparse matrix that a neural network is used which allows the selection of groups of non-zero elements that can be processed independently. The results of the analysis will be based on the decomposition of data and the number of computing cores to be selected, which will provide the shortest settlement time for a particular matrix structure. The purpose and objectives of the study. The purpose of the work is to develop and research parallel methods and computer algorithms for research and solving SLR with sparse matrices of irregular structure on computers of MIMD architecture and MIMD and SIMD architecture combinations, testing of algorithms in mathematical modeling in applied problems. The research tasks include: • development and research of iterative parallel algorithms for SLR with sparse matrices of irregular structure with approximate data; • development of algorithms and programs for investigating the validity of solutions obtained by direct and iterative methods; • Approbation of algorithms for mathematical modeling in applied problems. The object of the study is the mathematical models described by SLAR with sparse matrices of the irregular structure. The subject of the study is parallel methods and computer algorithms for locating the SLR solution with sparse matrices of the irregular structure. Research methods. The paper uses methods of matrix theory, linear algebra, graph theory, functional analysis, error theory, and the theory of neural networks.

Cпроектовано та розроблено класифікатор детектування стану трубопроводів. При цьому задача оцінки стану труб була розв’язана за допомогою підходу аугментації зображень, а сама технологія працює в режимі екзамену. Розроблений алгоритм реалізовано у формі програмного забезпечення, створеного за допомогою інструментального програмного середовища Python 3.0.

Метою роботи є застосування кластеризації науково-технічних даних не тільки для наглядного представлення об’єктів, але і для розпізнавання нових. Метою кластеризації документів є автоматичне виявлення груп семантично схожих документів серед заданої фіксованої множини. Групи формуються тільки на основі попарної схожості описів документів, і ніякі характеристики цих груп не задаються заздалегідь. Для видалення неінформативних слів розглянуто методи: видалення стоп-слів, стеммінг, N-діаграми, приведення регістра. Для виділення ключових слів та класифікації результатів використано наступні методи: словниковий, статистичний та побудований на основі Y-інтерпретації закону Бредфорда, TF-IDF міра, F-міра та метод лакричних шаблонів. Для реалізації системи кластерного аналізу науково-технічних даних обрано високорівневу мову програмування Python, реалізація інтерпретатора 2.7. Даний програмний код читається легше, його багаторазове використання і обслуговування виконується набагато простіше, ніж використання програмного коду на інших мовах.
The aim of the work is to use the clustering of scientific and technical data not only for the visual representation of objects, but also for the recognition of new ones. The purpose of document clustering is to automatically detect groups of semantically similar documents among a given fixed set. Groups are formed only on the basis of pairwise similarity of document descriptions, and no characteristics of these groups are set in advance. Methods for deleting uninformative words are considered: deletion of stop words, stemming, N-diagrams, case reduction. The following methods were used to highlight keywords and classify the results: dictionary, statistical and based on the Y-interpretation of Bradford's law, TF-IDF measure, F-measure and the method of licorice patterns. Python programming language was chosen to implement the system of cluster analysis of scientific and technical data, a high-level, the implementation of the interpreter 2.7. This program code is easier to read, its reuse and maintenance is much easier than using program code in other languages.
Целью работы является применение кластеризации научно-технических данных не только для наглядного представления объектов, но и для распознавания новых. Целью кластеризации документов является автоматическое выявление групп семантически похожих документов среди заданной фиксированной множества. Группы формируются только на основе попарно сходства описаний документов, и никакие характеристики этих групп не задаются заранее. Для удаления неинформативных слов рассмотрены методы: удаление стоп-слов, стемминг, N-диаграммы, приведение регистра. Для выделения ключевых слов и классификации результатов использованы следующие методы: словарный, статистический и построен на основе Y-интерпретации закона Брэдфорда, TF-IDF мера, F-мера и способ лакричным шаблонов. Для реализации системы кластерного анализа научно-технических данных избран высокоуровневый язык программирования Python, реализация интерпретатора 2.7. Данный программный код читается легче, его многократное использование и обслуживание выполняется гораздо проще, чем использование программного кода на других языках.

Для побудови моделей на основі методу класифікації застосовано програмну систему Data Mining бібліотеки Xelopes. Розв’язано дві задачі класифікації. Виконано застосування моделі для нових даних. Показано, що система зручна, її можна використовувати для навчання студентів технологіям Data Mining, а також для розв’язання задач класифікації, які виникають в економіці.
To 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.

Головною ідеєю роботи є виявлення можливості досягти якщо не квантового панування, то хоча б квантової переваги при розв’язанні задач машинного навчання на квантовому комп’ютері. Проаналізовано підходи до визначення квантового машинного навчання, інженерії квантового програмного забезпечення. Виділено основні класи засобів інженерії квантового програмного забезпечення. У результаті проведеного аналізу було визначено, щосаме квантово покращене машинне навчання – застосування квантових моделей навчання для аналізу традиційних (не квантових) даних – є перспективним напрямом розвитку машинного навчання, реалізація якого в поточній версії бібліотеки квантових алгоритмів Qiskit Aqua 0.7.3 є обмеженою розв’язанням задач класифікації з використанням квантового методу опорних векторів та варіаційного квантового класифікатору.

Тези присвячені стереотипізації жіночих образів, та їх втіленню у сучасних гендерних жіночих моделей на матеріалі епізодичної відеогри Life Is Strange. У роботі була використана розширена класифікація гендерних жіночих моделей. Більш детально були розглянуті такі моделі як: "Супержінка", "Космо-жінка", "Жінка-стерва" та "Попелюшка". З чотирьох персонажів тільки один є традиційним втіленням жіночності, а саме "Попелюшка". Даний факт говорить про те, що у сучасній культурі жінок розглядають не тільки з точки зору краси, жіночності та материнства, але також враховується, що вони можуть виконувати ролі, що традиційно вважалися тільки чоловічими.