Статті в журналах з теми "Класифікації даних"
Щоб переглянути інші типи публікацій з цієї теми, перейдіть за посиланням: Класифікації даних.
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся з топ-50 статей у журналах для дослідження на тему "Класифікації даних".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Переглядайте статті в журналах для різних дисциплін та оформлюйте правильно вашу бібліографію.
1
Prokopiv, M. M., S. K. Yevtushenko та O. Ye Fartushna. "Класифікація мостових інфарктів". INTERNATIONAL NEUROLOGICAL JOURNAL 18, № 1 (12 березня 2022): 30–34. http://dx.doi.org/10.22141/2224-0713.18.1.2022.926.
Повний текст джерелаАнотація:
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.
2
Gorokhovatskyi, V., A. Zaporozhchenko, Т. Siryk та O. Tarasenko. "ДОСЛІДЖЕННЯ РЕЗУЛЬТАТИВНОСТІ ЗАСТОСУВАННЯ ОЗНАК РОЗПОДІЛІВ ДАНИХ ДЛЯ ОБЧИСЛЕННЯ РЕЛЕВАНТНОСТІ ОПИСІВ ЗОБРАЖЕНЬ". Системи управління, навігації та зв’язку. Збірник наукових праць 1, № 59 (26 лютого 2020): 68–73. http://dx.doi.org/10.26906/sunz.2020.1.068.
Повний текст джерелаАнотація:
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
3
Кондратишин, А. Р., А. А. Курій, Д. Б. Коваль та Я. І. Юрик. "КЛАСИФІКАЦІЇ КАРДІОМІОПАТІЙ: СУЧАСНИЙ СТАН ПИТАННЯ". Здобутки клінічної і експериментальної медицини, № 4 (25 березня 2022): 12–20. http://dx.doi.org/10.11603/1811-2471.2021.v.i4.12795.
Повний текст джерелаАнотація:
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.
4
Феній, Н. С., та Ю. І. Грицюк. "Автоматизація процесу класифікації текстових новин з інтернет-сайтів методами нейронної мережі". Scientific Bulletin of UNFU 30, № 4 (17 вересня 2020): 123–33. http://dx.doi.org/10.36930/40300421.
Повний текст джерелаАнотація:
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.
5
МАШТАЛІР, Вадим, та Надія РИЖЕВА. "ДОСЛІДЖЕННЯ МЕРЕЖІ ТА КЛАСИФІКАЦІЯ ВІЙСЬКОВО-ІСТОРИЧНИХ МУЗЕЇВ В УКРАЇНІ". Східноєвропейський історичний вісник, № 19 (30 червня 2021): 217–27. http://dx.doi.org/10.24919/2519-058x.19.233834.
Повний текст джерелаАнотація:
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.
6
Наливайко, О. Ю. "Методологічні аспекти класифікації персональних даних". Держава і право, Вип. 64 (2014): 167–72.
Знайти повний текст джерела
7
Gorokhovatskyi, V., S. Gadetska та R. Ponomarenko. "ЛОГІЧНИЙ АНАЛІЗ ТА ОБРОБЛЕННЯ ДАНИХ ЗАДЛЯ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ НА ПІДСТАВІ ФОРМУВАННЯ СТАТИСТИЧНОГО ЦЕНТРУ ОПИСУ". Системи управління, навігації та зв’язку. Збірник наукових праць 4, № 56 (11 вересня 2019): 43–48. http://dx.doi.org/10.26906/sunz.2019.4.043.
Повний текст джерелаАнотація:
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.
8
Мартинюк, Роман. "Класифікація форми правління: проблема вибору критеріїв". Право України, № 12/2018 (2018): 207. http://dx.doi.org/10.33498/louu-2018-12-207.
Повний текст джерелаАнотація:
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.
9
Яременко, В., та Д. Будьонний. "Підхід до використання фільтра блума для багатокласової класифікації текстових даних в режимі реального часу." КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, № 36 (28 листопада 2019): 153–59. http://dx.doi.org/10.36910/6775-2524-0560-2019-36-24.
Повний текст джерелаАнотація:
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.
10
Verhun, V. R. "Характеристика методів розв'язання задачі класифікації в інтелектуальному аналізі даних навчальних програм". Scientific Bulletin of UNFU 29, № 6 (27 червня 2019): 136–39. http://dx.doi.org/10.15421/40290626.
Повний текст джерелаАнотація:
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.
11
Vlasenko, Andrii. "ПСИХОЛОГІЧНІ ХАРАКТЕРИСТИКИ ОСОБИСТОСТІ ПСИХОЛОГА В ПАРАДИГМАХ ІСНУЮЧИХ КЛАСИФІКАЦІЙ ПРОФЕСІЙ". PSYCHOLOGICAL JOURNAL 12, № 2 (29 березня 2018): 123–32. http://dx.doi.org/10.31108/2018vol12iss2pp123-132.
Повний текст джерелаАнотація:
У статті автор, на основі теоретичного аналізу сучасної наукової літератури, виокремлює найбільш застосовні варіанти психологічних класифікацій професій. Визначено місце професії психолога та психологічний тип професії психолога в системах даних класифікацій. Розглядається трактування класифікації професійних орієнтацій особистості у вітчизняній та зарубіжній психології. Виявлено основні психологічні характеристики професії психолога в умовах трансформації сучасного суспільства та реформування української школи, вимоги до особистості психолога, особливості ставлення психолога до своєї діяльності. Підкреслюється важливість психологічного супроводу особистості на всіх етапах її розвитку.
12
Критська, Я. О., та Т. О. Білобородова. "Дослідження методів обробки та аналізу геопросторових зображень для віддаленого моніторингу поверхневих вод". ВІСНИК СХІДНОУКРАЇНСЬКОГО НАЦІОНАЛЬНОГО УНІВЕРСИТЕТУ імені Володимира Даля, № 1(271) (8 лютого 2022): 11–17. http://dx.doi.org/10.33216/1998-7927-2022-271-1-11-17.
Повний текст джерелаАнотація:
Поверхневі води є важливими природнім ресурсом та відіграють важливу роль в багатьох аспектах людського життя, таких як питна вода, сільське господарство, виробництво електроенергії, транспорт та промисловість. Зміни поверхневих вод впливають на інші природні ресурси та навколишнє середовище. Це обумовлює важливість якісного визначення обсягу поверхневих вод і відстеження їх динаміки. Останнім часом дедалі більшої популярності набувають методи аналізу поверхневих вод на основі супутникових зображень. В роботі досліджені можливості і перспективи використання методів обробки та аналізу геопросторових зображень для віддаленого моніторингу поверхневих вод. Визначено та формалізовано етапи моніторингу поверхневих вод на основі геопросторових зображень. Визначено класифікацію методів виділення даних водної поверхні з геопросторових зображень, що включає методи на основі спектральних діапазонів, методи контрольованої класифікація на основі методів машинного навчання та методи неконтрольованої класифікації на основі індексів води. Розглянуто особливості просторово-часового аналізу поверхневих вод та критеріїв оцінки його точності.Ключовим критерієм оцінки точності є загальна точність класифікації зображень, однак, доцільно використовувати декілька специфічних критеріїв оцінки, таких як коефіцієнт узгодженості MICE, точність виробника, точність користувача, для отримання надійнішої оцінки. Проведено дослідження можливостей аналізу поверхневих вод на основі водного індексу на прикладі озера Піщане Луганської області в період водопілля 2018-2019 років. Дослідження можливостей аналізу поверхневих вод на основі водного індексу з застосуванням нормованого диференційованого індексу вологості території озера Піщане дозволило виявити певну невизначеність при підборі порогових значень для ефективного диференціювання. Також, виявлено суттєву залежність методу від факторів атмосферних умов, таких як хмарність, туман, задимленість або температурна інверсія на момент зйомки геопросторового зображення, що обумовлює необхідність атмосферної корекції супутникових даних до рівня обробки L2A.
13
Білобородова, Т. О., М. О. Коверга, І. В. Хамула, П. О. Петров, Л. В. Білобородова та М. В. Нестеров. "Методологія автоматичної оцінки біомедичних даних". ВІСНИК СХІДНОУКРАЇНСЬКОГО НАЦІОНАЛЬНОГО УНІВЕРСИТЕТУ імені Володимира Даля, № 7 (263) (10 грудня 2020): 18–23. http://dx.doi.org/10.33216/1998-7927-2020-263-7-18-23.
Повний текст джерелаАнотація:
Сучасний розвиток інформаційних технологій відкриває нові можливості в біомедичному моніторингу. Широкий спектр біомедичних датчиків використовується для отримання різних фізіологічних сигналів людини, що можуть свідчити про наявність симптомів хвороби Паркінсона, зокрема, такого як тремор. Визначено, що існуючі методи класифікації даних для визначення постурального тремору недостатньо ефективні. Запропонована методологія включає отримання та сегментація даних, вилучення ознак, моделювання з етапами навчання і тестування для отримання оцінки про передбачуваний ступінь тремору. Дані отримані відповідно до п’яти ступенів тяжкості тремору і містять часову мітку і дані акселерометра по трьох осях. Отримані дані сегментовані у сегменти у вигляді односекундного вікна, що не перекривається. Обробка даних виконана для даних отриманих сегментів. З кожного компонента прискорення сегмента вилучаються наступні ознаки: середнє для x, y, z; стандартне відхилення для x, y, z; максимальне та мінімальне значення для x, y, z; медіана для x, y, z; ентропіядля x, y, z; автокореляція для x, y, z; енергія послідовності для x, y, z; кореляція Пірсона для x і z; кореляція Пірсона для y і z; кореляція Пірсона для x і y. Моделювання проведено з застосуваннямалгоритму підвищення градієнтного дерева XGBoost, якийзастосовано для співставлення ступеню тремору відповідним виділеним векторам ознак. Навчена модель використана для оцінки ступеню тремору усіх векторів ознак в одному тесті. Середні оцінки ступеню тремору представляють оцінки ступеню кожного класу. Класифікатор надає індивідуальний результат для кожного сегмента вилучених з даних тесту ознак. Результати отриманої матриці невідповідності використано для оцінки якості класифікації. На тестових даних отримана точність класифікації з використанням параметру F1-score, що становить 92%. Розрахована важливість кожної вилученої ознаки відносно класу, яка вказує корисність ознаки при побудові дерев рішень в моделі. Визначена важливість вилучених ознак у відповідності до класу, в подальших дослідження використовуватиметься для зменшення обсягу вхідних даних.
14
Орленко, Н. С., К. М. Мажуга, М. Б. Душар та В. В. Маслечкін. "ПОРІВНЯЛЬНИЙ АНАЛІЗ ІЄРАРХІЧНИХ МЕТОДІВ КЛАСТЕРІЗАЦІЇ, ПРИДАТНИХ ДЛЯ ОБРОБЛЕННЯ ДАНИХ МОРФОЛОГІЧНИХ ОЗНАК СОРТІВ РОСЛИН". Вісник Полтавської державної аграрної академії, № 2 (28 червня 2019): 261–69. http://dx.doi.org/10.31210/visnyk2019.02.35.
Повний текст джерелаАнотація:
Незважаючи на те, що кластеризація є безконтрольною класифікацією багатовимірних даних увідповідні кластери, застосування кластерного аналізу під час дослідження морфологічних харак-теристик сортів рослин дозволяє зменшити розмірність вибірки даних, що сприяє більш точній іде-нтифікації нових сортів. Саме тому важливим питанням є порівняння результатів кластеризації іззастосуванням різних методів і метрик та виявлення найбільш придатних для аналізу морфологічниххарактеристик. Методи: аналітичний, математичний, статистичний, графічний. Під час виконан-ня досліджень використано широко відомий набір даних, що має назву Іриси Фішера. Результати.Досліджено вплив на результат кластерного аналізу різних ієрархічних агломеративних методівкласифікації (ближнього сусіда, дальнього сусіда, середнього зв'язку, середнього сусіда (центроїда)та метода Варда) із застосуванням евклідових та не евклідових метрик. Оцінено результати клас-терізації з використанням засобів описової статистики (методу перехресних таблиць). Встановле-но, що найбільш придатними для проведення кластеризації за морфологічними характеристикамидля наборів даних, які описуються метричними шкалами є методи: середнього зв'язку (між групами)із застосуванням кореляції Пірсона, середнього зв'язку (всередині групи) із застосуванням метрикКосінус та кореляції Пірсона, а також методу Варда із застосуванням метрики Косінус. Запропо-новано використовувати апарат частотної статистики (перехресні таблиці) для оцінювання якос-ті результатів класифікації. Висновки. Проведене тестування довело, що не існує жодного універса-льного алгоритму, який би ідеально розподілив набір Ірисів Фішера на кластери. Не зважаючи на те,що встановлено методи й метрики, які є найбільш вдалими для класифікації протестованого наборуданих, ці методи не можна рекомендувати для використання під час тестування морфологічних оз-нак усіх ботанічних таксонів. Кластеризацію сортів рослин потрібно проводити ітераційно, послі-довно застосовуючи найбільш поширені алгоритми кластеризації та ретельно оцінювати результа-ти кластеризації з метою вибору метода та метрики, які найбільш оптимально класифікують сор-ти рослин та дозволять правильно інтерпретувати результати класифікації. Результати такоїкластеризації рекомендовано оцінювати з використанням методу перехресних таблиць та обиратикращий за якістю кластерів.
15
Єгошкін, Д. І., та Н. А. Гук. "НАЛАШТУВАННЯ ТА НАВЧАННЯ НЕЧІТКОЇ МОДЕЛІ ДЛЯ ЗАДАЧІ КЛАСИФІКАЦІЇ". Visnyk of Zaporizhzhya National University Physical and Mathematical Sciences, № 1 (6 вересня 2021): 33–43. http://dx.doi.org/10.26661/2413-6549-2021-1-04.
Повний текст джерелаАнотація:
У роботі розглянуто задачу класифікації об’єктів за ознаками та розроблено метод нечіткої класифікації. Для розв’язання задачі запропоновано використовувати нечітку модель представлення знань, побудовану з використанням навчальної вибірки, та систему нечіткого логічного виводу. Автоматичне формування системи нечітких логічних правил відбувається в процесі навчання. У процесі навчання відбувається налаштування параметрів моделі – нечітких границь термів. Для усунення проблеми обробки об’єктів, характеристики яких суттєво відрізняються від більшості об’єктів у вибірці та наближаються до порогових, для визначення границь термів пропонується використовувати квартильні оцінки. Модифікація класичного алгоритму нечіткої класифікації полягає в організації двохетапної процедури класифікації. Для поліпшення якості класифікації будуються допоміжні нечіткі класи, з використанням яких здійснюється відображення об’єктів в чіткі класи з навчальної вибірки. Для оцінювання якості класифікації використовуються метрики точності та повноти. Налаштування параметрів алгоритму нечіткої класифікації та розв’язання задачі нечіткої класифікації виконано з використанням набору даних іриси Фішера. Наведено порівняння результатів класифікації з використанням запропонованого в роботі двохетапного походу і класичного алгоритму нечіткої класифікації. Для зменшення впливу наявних у навчальній вибірці аномальних об’єктів на результат класифікації для визначення границь термів використовується міжквартильне середнє, що робить процедуру визначення границь термів робастною. Показано, що використання міжквартильного середнього для визначення границь термів дозволяє отримати прийнятну точність класифікації для вибірок, які містять об’єкти з аномальними характеристиками. Досліджено вплив способу розбиття вибірки на навчальну і тестову, а також вплив розміру навчальної вибірки на якість класифікації. Запропонований підхід є придатним для обробки даних в умовах обмеженої вибірки, часткового чи повного перекриття класів об’єктів, наявності об’єктів з нетиповими значеннями характеристик.
16
Мінцер, О. П., В. Г. Краснобрижев, Л. А. Пісоцька, Н. В. Глухова та Т. Д. Тепла. "АНАЛІЗ БІОЛОГІЧНОЇ АКТИВНОСТІ ВОДИ ТА ЇЇ ЕНЕРГОІНФОРМАЦІЙНИХ КОПІЙ ЗА ДАНИМИ КІРЛІАНОГРАМ". Medical Informatics and Engineering, № 2 (29 листопада 2021): 34–47. http://dx.doi.org/10.11603/mie.1996-1960.2021.2.12451.
Повний текст джерелаАнотація:
Встановлено критерії біологічно активної води та її енергоінформаційних копій за даними кірліанограм, для використання в практичній біології. З метою дослідження та класифікації води різних типів було вирішено завдання накопичення експериментальних вибірок зображень води з різними фізико-хімічними та біологічними властивостями, побудови бази даних зображень. На основі аналізу експериментальних даних було виявлено специфічні ознаки, на базі яких можливо побудувати систему автоматизованої програмної класифікації. Метод кірліанфотографії крапель води досить інформативний для оцінювання природних властивостей води та може використовуватись, як експрес-метод.
17
Nazirova, T. O., та O. B. Kostenko. "Нейрономережева інформаційна технологія опрацювання медичних даних". Scientific Bulletin of UNFU 28, № 8 (25 жовтня 2018): 141–45. http://dx.doi.org/10.15421/40280828.
Повний текст джерелаАнотація:
Швидкий розвиток комп'ютерної техніки формує передумови для розробок нейрокомп'ютерів (тобто комп'ютерів 6-го покоління), які, за прогнозами в галузі штучного інтелекту, активно будуть використані для перероблення будь-якої інформації, за тими ж принципами, що й біологічні нейронні мережі – такі як людський мозок. Тому попит на використання нейромережеві технології поступово охоплює дедалі ширший коло користувачів зокрема й у галузі охорони здоров'я. Досліджено можливості застосування штучних нейронних мереж для оброблення даних регіональної охорони здоров'я. Нейронні мережі – потужний метод моделювання, що дає змогу відтворювати складні нелінійні залежності, що актуально для систем прийняття рішень управління пацієнтопотоком у медичних закладах. Запропоновано інформаційну технологію оброблення медичних даних за допомогою штучних нейронних мереж, що дасть змогу підвищити ефективність надання медичної допомоги під час профілактичних медоглядів, ніж відомі інформаційні технології класифікації. Розглянуті такі положення: принципи дії штучних нейронних мереж, переваги і недоліки їх використання та основні функції. Також наведено перспективи використання штучних нейронних мереж щодо класифікації пацієнтів для проходження профілактичного медичного огляду.
18
Яременко, В., та С. Материнська. "Використання штучних нейронних мереж для визначення наявності сердцево-судинних хвороб та захворювань печінки при малих наборах даних." COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, № 40 (24 вересня 2020): 164–69. http://dx.doi.org/10.36910/6775-2524-0560-2020-40-25.
Повний текст джерелаАнотація:
В даній роботі проведено аналіз ефективності застосування штучних нейронних мереж для вирішення задачі класифікації для невеликих наборів медичних даних із сфери діагностування. Для дослідження було обрано два набори даних: дані про серцево-судинні захворювання та про хвороби печінки. Отримані результати було порівняно з результатами точності для стандартних методів машинного навчання, що використовуються в задачах класифікації Для проведення дослідження було обрано модель багатошарового перцептрона. Програмним засобом для реалізації став Python, що надає можливість використовувати допоміжні бібліотеки при роботі з методами машинного навчання.
19
Бойко, Н. "Аналіз парадигми Semi-supervised learning для класифікації мультимодальних даних". Науковий вісник Ужгородського університету. Серія: Математика і інформатика 39, № 2 (16 листопада 2021): 125–44. http://dx.doi.org/10.24144/2616-7700.2021.39(2).125-144.
Повний текст джерелаАнотація:
У роботі розглядаються алгоритми машинного навчання. Увага зосереджена на напівконтрольному навчанні, яке здається балансом між точністю навчання з учителем та витратами методів навчання без учителя. Розглядаються приклади ретельного опрацювання мічених наборів даних, для яких навчання під наглядом може бути дуже ефективним. Порівнюються підходи semi-supervised та supervised та проаналізована ефективність кожного. В роботі розглядаються підходи S3VM та TSVM. Метою роботи було дослідити чи можуть напівконтрольовані підходи конкурувати з контрольованими або навіть їх перевершити. Описується застосування даних підходів до запропонованого датасету для визначення більш точної класифікації даних, а саме на опорній межі.
20
Gavrylenko, S., та V. Zozulia. "ДОСЛІДЖЕННЯ МЕТОДІВ ВИЯВЛЕННЯ АНОМАЛІЙ НА ЕТАПІ ПОПЕРЕДНЬОЇ ОБРОБКИ ДАНИХ". Системи управління, навігації та зв’язку. Збірник наукових праць 1, № 67 (1 квітня 2022): 52–56. http://dx.doi.org/10.26906/sunz.2022.1.052.
Повний текст джерелаАнотація:
Предметом дослідження є методи та засоби виявлення аномалій в даних. Метою статті є підвищення якості класифікації даних за рахунок виявлення аномалій на етапі їх попередньої обробки. Завдання: дослідити методи виявлення аномалій на етапі попередньої обробки даних, визначити поріг прийняття рішень anomaly_score для кожного із методів та оцінити якість класифікації до та після preprocessing. Використовуваними методами є: методи штучного інтелекту, машинного навчання, ансамблеві методи. Отримано такі результати: досліджено методи виявлення аномалій: метод стандартного відхилення (Standard Deviation Method), метод локального рівня викидів (Local Outlier Factor), метод Ізолюючого лісу (Isolation Forest). Отримано залежність кількості аномалій від порогу прийняття рішень для кожного із методів. Оцінку якості попередньої обробки даних виконано з використанням класифікаторів на основі методів KNN та беггінгу (Bagging). Досліджені методи реалізовані програмно з використанням хмарного сервісу GOOGLE COLAB на основі Jupyter Notebook. Висновки. Наукова новизна отриманих результатів полягає у дослідженні методів виявлення аномалій на етапі попередньої обробки даних, вибору мета-алгоритму preprocessing та визначення оптимальних параметрів його налаштування.
21
Поліщук, М., С. Костючко та М. Христинець. "Порівняння методів оптимізації нейронних мереж на прикладі задачі класифікації зображень." КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, № 37 (28 грудня 2019): 43–52. http://dx.doi.org/10.36910/6775-2524-0560-2019-37-7.
Повний текст джерелаАнотація:
У статті проаналізовано існуючі методи оптимізації та типи розподілених обчислень для тренування нейронних мереж. На основі проведених експериментів досліджено доцільність використання даних методів для різних типів даних та архітектури нейронних мереж
22
Кондрук, Н. Е. "Використання мiр подiбностi в методах класифiкацiї". Науковий вісник Ужгородського університету. Серія: Математика і інформатика 38, № 1 (27 травня 2021): 143–48. http://dx.doi.org/10.24144/2616-7700.2021.38(1).143-148.
Повний текст джерелаАнотація:
Дане дослідження є розвитком напрямку застосування різних видів мір подібності в задачах інтелектуального аналізу даних. Майнінг даних - це процес видобутку неявної інформації з бази даних, якa характеризує приховані зв’язки та структури. Прогнозується, що цей вид аналізу стане надзвичайно затребуваним протягом наступного десятиліття. В роботі наведено огляд сучасних напрямків контрольованої класифікації. Найпопулярнішим прийомом класифікації об’єктів із числовими атрибутами вважається метод K-найближчих сусідів (KNN). Встановлено, що прогнозне значення мітки класу можна покращити, якщо використовувати зважений вплив кожного сусіда на результат. Таким чином, доцільно модифікувати метод KNN. При цьому, запропоновано ввести функцію, що характеризує схожість неміченого об’єкта із його найближчими сусідами у вигляді міри подібності. На її основі введено індикатори зваженого підрахунку голосів «сусідів» за певну мітку класу. Розроблено програмне забезпечення, що реалізує описаний підхід. Проведення практичних експериментів показало його ефективність при розв’язанні певних класів прикладних задач.
23
Parashchak, V. R., та T. A. Korotyeyeva. "АЛГОРИТМ КЛАСИФІКАЦІЇ ФІЗИЧНИХ АКТИВНОСТЕЙ ЛЮДИНИ ДЛЯ РЕАЛІЗАЦІЇ У МОБІЛЬНОМУ ДОДАТКУ". Scientific Bulletin of UNFU 25, № 9 (25 листопада 2015): 333–39. http://dx.doi.org/10.15421/40250952.
Повний текст джерелаАнотація:
Досліджено методи визначення фізичної активності людини за допомогою смартфону. Серед основних переваг використання смартфонів для контролю повсякденної активності людини є їх переносимість, практичність та невеликий розмір. Ці пристрої можуть нагромаджувати, обробляти й аналізувати корисну інформацію з необроблених даних сенсорів, що є зручно у цьому контексті. На основі зібраних даних акселерометра розроблено алгоритм класифікації, що може бути використаним для створення мобільного додатку, враховуючи його обмежені ресурси. Оцінку алгоритму проведено за допомогою методів штучного інтелекту, де алгоритм спочатку навчається, а пізніше тестується. Таке тестування здійснено на основі відкритого набору даних прискорення поясу. Отримано алгоритм з точністю визначення 86 %, що свідчить про те, що такий алгоритм може бути використаним для створення мобільного додатку.
24
Zhukovskyy, V. V., S. V. Shatnyi та N. A. Zhukovska. "Нейронна мережа для розпізнавання та класифікації картографічних зображень ґрунтових масивів". Scientific Bulletin of UNFU 30, № 5 (3 листопада 2020): 100–104. http://dx.doi.org/10.36930/40300517.
Повний текст джерелаАнотація:
Запропоновано нейронну мережу для розпізнавання картографічних зображень ґрунтових масивів та класифікації ландшафтних ділянок за типами ґрунтових масивів із використанням нейронної мережі. Описано підходи до проектування архітектури, методів навчання, підготовки даних для проведення навчання, тренування та тестування нейронної мережі. Розроблено структурно-функціональну схему нейронної мережі, яка складається із вхідного, прихованих та вихідного шарів, кожен окремий нейрон описано відповідною активаційною функцією із підібраними ваговими коефіцієнтами. Показано доцільність застосування кількості нейронів, їх тип та архітектуру для проведення задачі розпізнавання та класифікації ділянок на кадастрових картах. Як вихідні дані використано відкриті державні інформаційні ресурси, в яких виділено окремі ділянки за типами ґрунтів, їх поширення та сформовано базу даних для навчання та тренування нейронної мережі. Проаналізовано ефективність, швидкодію та точність роботи нейронної мережі, зокрема, проведено комп'ютерну симуляцію із використанням сучасного програмного забезпечення та математичне моделювання обчислювальних процесів у середині структури нейронної мережі. Розроблено програмні засоби для попередньої підготовки та оброблення вхідних даних, подальшого тренування та навчання нейронної мережі та безпосередньо процесу розпізнавання та класифікації. Відповідно до отриманих результатів, розроблена модель та структура нейромережі, її програмні засоби реалізації показують високу ефективність як на етапі попереднього оброблення даних, так і загалом на етапі класифікації та виділення цільових ділянок ґрунтових масивів. Надалі наступним етапом досліджень є розроблення та інтеграція програмно-апаратної системи на основі розпаралелених та частково розпаралелених засобів обчислювальної техніки, що дасть змогу значно пришвидшити обчислювальні операції, досягти виконання процесів навчання та тренування нейронної мережі в режимі реального часу та без втрати точності. Подані наукові та практичні результати мають високий потенціал для інтеграції в сучасні інформаційно-аналітичні системи, системи аналізу та моніторингу за станом навколишнього середовища, технологічними об'єктами та об'єктами промисловості.
25
Квашук, Д. М. "ЗАСТОСУВАННЯ МЕТОДУ K-НАЙБЛИЖЧИХ СУСІДІВ В ПРОЦЕСІ ІНФОРМАЦІЙНО-АНАЛІТИЧНОГО ЗАБЕЗПЕЧЕННЯ ЕКОНОМІЧНОЇ БЕЗПЕКИ МОЛОКОПЕРЕРОБНИХ ПІДПРИЄМСТВ". Наукові праці Міжрегіональної Академії управління персоналом. Економічні науки, № 1(59) (9 жовтня 2020): 50–54. http://dx.doi.org/10.32689/2523-4536/59-8.
Повний текст джерелаАнотація:
У статті досліджено можливості класифікації загроз для молокопереробних підприємств з використанням методу k-найближчих сусідів. Метою застосування даного методу є вирішення задач з оцінювання постачальників сировини за окремими категоріями надійності. Особливості економічної діяльності молокопереробних підприємств обумовлені постійним пошуком якісної сировини. Звичайно, що перед її використанням на підприємствах застосовують ряд перевірок, але такі перевірки досить витратні і не завжди проводяться в силу різних причин. Досліджений в роботі метод класифікації інформації, може бути використаний із застосуванням технологій машинного навчання. Для його апробації було використано програмний код, який включає в себе такі бібліотеки, як math, random, pylab, numpy, matplotlib. Для класифікації постачальників сировини, було створено тестову вибірку даних, після чого обчислено відстань до кожного з об'єктів навчальної вибірки. Відібрано k об'єктів навчальної вибірки, відстань до яких є мінімально. А також визначено класи постачальників сировини. Частина уваги приділено особливостям постачальників сировини для молокопереробних підприємств. На основі дослідження особливостей діяльності постачальників сировини для молокопереробних підприємств встановлено кількісні критерії їх надійності. Так, відповідні критерії були оцінені із застосуванням методу k-найближчих сусідів, що дозволило сформувати класифікацію постачальників сировини. Разом з тим, у статті висвітлено характеристики інформаційно-аналітичного забезпечення економічної безпеки молокопереробних підприємств, виділено ряд ключових особливостей такої діяльності.
26
Abramovich, Paul, Adam Artemiuk та Jerzy Konstantinovichz. "Актуальні питання діагностики і класифікації недосконалого остеогенезу". PAIN, JOINTS, SPINE, № 2.06 (22 жовтня 2012): 5–16. http://dx.doi.org/10.22141/2224-1507.2.06.2012.82219.
Повний текст джерелаАнотація:
За останні 2 десятиліття поняття недосконалого остеогенезу (НО) і його класифікація зазнали істотних змін. Раніше його розглядали як колагенопатію I типу у зв’язку з виявленими мутаціями генів COL1A1 і COL1A2, що кодують ланцюги колагену I типу. Дані порушення і є причиною розвитку різних видів НО. До сьогодні описано принаймні 10 генів, залучених у біосинтез колагену I типу. Гени COL1A1/2 відповідальні практично за 90 % випадків НО. Однак нещодавно було відкрито ще декілька генів, що кодують протеїни, залучені в процес посттрансляційної модифікації проколагену. Мутації саме цих генів обумовлюють розвиток інших 10 % випадків НО, що успадковується за рецесивним типом. У цьому огляді пропонується перегляд традиційної класифікації Сіленса й розглядаються сучасні підходи до розуміння механізмів, що лежать в основі розвитку НО. У статті обговорюються нещодавно опубліковані зміни в класифікації НО (виділені нові типи захворювання — V–VIII) і новий підхід до діагностичних методів, що засновані в першу чергу на фенотипових ознаках, а не на генетичних і молекулярних даних. Нами було підкреслено, що клінічні симптоми й тяжкість захворювання визначають тактику ведення пацієнтів із НО і важливі у повсякденній практиці.
27
Поляченко, A. "Згорткова нейронна мережа для класифікації томографічних і рентгенівських знімків в системі розпізнавання." КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, № 36 (27 листопада 2019): 128–33. http://dx.doi.org/10.36910/6775-2524-0560-2019-36-15.
Повний текст джерелаАнотація:
У роботі запропоновано та побудовано систему розпізнавання томографічних і рентгенівських знімків для пошуку і локалізації патологій. Дана система включає блоки: введення інформації про пацієнта, обробки медичних зображень, для встановлення висновку, для класифікації виявлених патологій, базу даних, підготовки звіту. У статті приділено увагу особливостям розробки згорткової нейронної мережі для класифікації томографічних і рентгенівських знімків в системі розпізнавання, призначеної для пошуку і локалізації патологій. В результаті, було запропоновано згорткову нейронну мережу для класифікації томографічних і рентгенівських знімків в запропонованій системі розпізнавання, призначеної для пошуку і локалізації патологій.
28
Мулеса, О. Ю., В. Є. Снитюк та С. О. Герзанич. "Метод нечіткої класифікації на основі послідовного аналізу вальда". Automation of technological and business processes 11, № 4 (13 лютого 2020): 35–42. http://dx.doi.org/10.15673/atbp.v11i4.1597.
Повний текст джерелаАнотація:
Розглядаються задачі прогнозування можливості зміни стану об’єкта на основі його оцінки за множиною критеріїв. До таких задач відносять задачі медичного прогнозування, тобто прогнозування можливості виникнення в майбутньому у особи загрозливого для неї стану. Цю задачу можна сформулювати як задачу класифікації, де один з класів відповідатиме великому ступеню ризику виникнення загрозливого стану, а інший – низькому ступеню ризику. В такій інтерпретації задача класифікації може бути розв’язана за допомогою методу послідовного аналізу Вальда, який базується на теоремі Байєса та враховує інформативність ознак, за якими проводиться класифікація. Такий підхід має ряд особливостей, пов’язаних з визначенням порогів та опрацюванням тих значень ознак, які близькі до порогових. В статті показано, що при застосуванні методу Вальда для об’єктів із значеннями ознак, близькими до порогових, можливі випадки отримання протилежних рішень. З метою підвищення ефективності класифікації запропоновано метод нечіткої класифікації. Особливістю розробленого методу є те, що особа, яка приймає рішення, може вказати характер функції належності для визначення близькості заданих значень до порогових і таким чином задати інтервал допустимої зміни порогових значень. Алгоритм обчислює ступені належності заданого об’єкта до кожного з класів.
Виконано експериментальну верифікацію розробленого методу для задачі прогнозування невиношування вагітності. На етапі формалізації медичних знань відібрані показники, які можуть бути використані для прогнозування, створена база даних клінічного матеріалу. На модельних прикладах продемонстровано перевагу розробленого методу в порівнянні з методом послідовного аналізу Вальда.
Отримані в дослідженні результати можуть використовуватися при побудові прогностичних алгоритмів в медицині.
29
Gorokhovatsky, V. O., та 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, № 48 (11 квітня 2018): 63–67. http://dx.doi.org/10.26906/sunz.2018.2.063.
Повний текст джерелаАнотація:
Вирішена задача структурного розпізнавання візуальних об’єктів на підґрунті описів у вигляді множини ключових точок зображення. Запропоновано метод бінарного аналізу множин дескрипторів опису для формування центрів класів з метою класифікації у межах заданої бази еталонів. Обговорюються критерії оцінювання ефективності класифікації. Проведено програмне моделювання та дослідження методу у порівнянні з медіанними центрами, отримано підтвердження результативності розробленого методу для прикладної бази зображень.
30
Molodets, Bohdan, та Тatyana Bulanaya. "Аналіз існуючих варіантів класифікації хворих на серцево-судинними захворюваннями за допомогою нейронними мережами". System technologies 5, № 130 (4 травня 2020): 71–78. http://dx.doi.org/10.34185/1562-9945-5-130-2020-09.
Повний текст джерелаАнотація:
Робота присвячена аналізу інформаційних технологій хронобіологічного моніторингу кардіосистем, розробці систему підтримки прийняття рішень для лікаря-дослідника на базі методів класифікації з використанням нейронних мереж таких як імовірностна неронна мережа PNN (Probabilistic Neural Networks), багатошаровий персептрон MLP NN (Multi-Layer Perceptron), каскадно-кореляційна мережа CasCor (Cascade Correlation). У результаті отримано наступне: найкращим класифікатором є нейромережа каскадної кореляції з 85-88% точністю класифікації. Найгіршим класифікатором стала ймовірнісна нейронна мережа, оскільки точність цього алгоритму залежить від розміру набору даних.
31
Gorokhovatskyi, V., A. Vasylchenko, K. Manko та R. Ponomarenko. "ДОСЛІДЖЕННЯ МОДИФІКАЦІЙ МЕТОДУ ВСТАНОВЛЕННЯ РЕЛЕВАНТНОСТІ ЗОБРАЖЕНЬ ОБ’ЄКТІВ ЗА ОПИСАМИ У ВИГЛЯДІ МНОЖИНИ ДЕСКРИПТОРІВ КЛЮЧОВИХ ТОЧОК". Системи управління, навігації та зв’язку. Збірник наукових праць 5, № 51 (30 жовтня 2018): 74–78. http://dx.doi.org/10.26906/sunz.2018.5.074.
Повний текст джерелаАнотація:
Предметом досліджень статті є моделі для встановлення ступеня релевантності зображень у просторі дескрипторів ключових точок зображень для реалізації структурних методів розпізнавання зорових образів у системах комп’ютерного зору. Метою є проведення експериментального дослідження ефективних за параметром швидкодії модифікацій способів встановлення подібності описів у просторі дескрипторів ключових точок на підставі апарату аналізу бітових даних. Завдання: розроблення математичних та програмних моделей оброблення даних при обчисленні подібності структурних описів, вивчення властивостей та особливостей застосування цих моделей, оцінювання ефективності за результатами оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, метод кластеризації к-середніх, методи побітового оброблення та підрахунку частоти входження даних, теорія хешування бітових даних, програмне моделювання. Отримані такі результати. Методи класифікації зображень з використанням подібності описів у просторі дескрипторів ключових точок отримують подальший розвиток та застосування на підставі впровадження апарату аналізу бітових даних. Кластерне подання описів не тільки скорочує час оброблення, але й показує чутливість модифікації методу до незначних особливостей зображення і його можливість широкого застосування у системах комп’ютерного зору. Хешування опису без втрати даних суттєво прискорює (у експерименті у сотні разів) процес обчислення ступеня релевантності описів. Вибрана хеш-функція може впливати на результат і сприяти покращенню рівня розрізнення зображень. Побудова узагальненого опису у вигляді спільного дескриптора значно скорочує час обчислень, при цьому виникає потреба у попередньому обробленні опису з метою формування скороченого опису із списку значущих дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі опису як множини дескрипторів ключових точок шляхом застосування апарату кластеризації, виявлення узагальнених властивостей та хешування даних для визначення модифікованих мір релевантності аналізованих та еталонних описів. Практична значущість роботи – досягнення суттєвого рівня підвищення швидкодії обчислення релевантності зображень, підтвердження результативності запропонованих модифікацій на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору.
32
Захожай, О. І. "Інформаційна технологія гібридного розпізнавання образів для обробки неоднорідних даних в складних системах". ВІСНИК СХІДНОУКРАЇНСЬКОГО НАЦІОНАЛЬНОГО УНІВЕРСИТЕТУ імені Володимира Даля, № 8(256) (10 грудня 2019): 141–47. http://dx.doi.org/10.33216/1998-7927-2019-256-8-141-147.
Повний текст джерелаАнотація:
Гібридне розпізнавання образів дозволяє обробляти неоднорідні дані за рахунок представлення складної системи сукупністю образів різної природи виникнення. Це сприяє отриманню бажаного рівня достовірності класифікації за умови динамічної зміни наявних у зовнішньому середовищі перешкод і викривлень. При цьому, гібридне розпізнавання пов’язано з розширенням розмірності інформаційного полю аналізу даних, що призводить до збільшення часової складності самого процесу обробки та прийняття рішення. У багатьох прикладних застосуваннях, час обробки має критичне значення, тому для ефективного використання гібридного розпізнавання образів необхідне вирішення важливої науково-технічної задачі забезпечення бажаного рівня достовірності розпізнавання при одночасній мінімізації часу отримання класифікаційного рішення. В статті представлене вирішення цієї задачі шляхом розробки нової інформаційної технології гібридного розпізнавання для обробки неоднорідних даних в складних системах. Згідно цієї технології, процес обробки здійснюється до моменту отримання апріорно завданого рівня достовірності класифікації, або до моменту завершення часу, виділеного на співставлення ознак складної системи та отримання результату. Ефективність розроблених технічних рішень було перевірено на трьох різноманітних прикладних інформаційних технологіях в яких було отримано позитивний результат.
33
Добровська, Л., та А. Руденко. "ІДЕНТИФІКАЦІЯ КОРИСТУВАЧІВ ПІДСИСТЕМИ РОЗПІЗНАВАННЯ НА ОСНОВІ СІТКІВКИ ОКА". Біомедична інженерія і технологія, № 6 (11 грудня 2021): 121–29. http://dx.doi.org/10.20535/2617-8974.2021.6.246909.
Повний текст джерелаАнотація:
Забезпечення біометричної безпеки має важливе значення в більшості сценаріїв перевірки справжності користувача та його ідентифікації. Розпізнавання, засноване на зразках райдужної оболонки, є важливою областю досліджень, покликаної забезпечити надійну, просту і швидку підсистему ідентифікації користувачів системи, яка використовує камеру (її можна використовувати у будь-якій системі, яка має механізм авторизації, де необхідна гарантія підвищеної безпеки). Мета роботи полягає у встановленні основних етапів алгоритму ідентифікації (класифікації) користувачів системи на основі обробки зображення сітківки ока із зіницею.
Алгоритм розпізнавання райдужної оболонки ока для реєстрації користувачів системи включає такі етапи
- попередня обробка зображення: зображення проходить різні фільтри (серед них фільтр Гауса та низько-частотні фільтри, гістограмні перетворення);
- препроцессінг: 1) локалізація внутрішніх і зовнішніх меж області райдужної оболонки ока з використанням генетичного алгоритму; 2) нормалізація зображення, 3) виокремлення значущої інформації;
- класифікація (або зіставлення із елементами БД) - виконана на основі двошарового персептрону (ДП).
Для оцінки алгоритмів розпізнавання райдужної оболонки використано базу даних оцифрованих 100 зображень очей у відтінках сірого від 50 різних людей (класів). Експерименти проводилися у два етапи: 1) сегментація і 2) розпізнавання райдужної оболонки. На першому етапі для локалізації райдужних оболонок застосовується алгоритм прямокутної області. На другому етапі виконується класифікація малюнка райдужної оболонки за допомогою мережі. Сформовані множини навчання й тестування (відповідно 60 зображень очей від 30 різних людей; 40 зображень очей від 20 різних людей). Виявлені райдужки для класифікації після нормалізації та посилення масштабуються за допомогою усереднення. Це допомагає зменшити розмір мережі. Потім зображення подаються матрицями, які є вхідним сигналом для мережі. Виходами ДП є класи візерунків райдужки. Для класифікації райдужної оболонки використовується алгоритм нейронного навчання. Точність розпізнавання на множині навчання становила 95,25%; на множині тестування - 89%.
Ключові слова - біометрія, розпізнавання райдужної оболонки ока, нейронна мережа
34
Desyateryk, V. І., М. S. Кrykun та V. P. Frantsev. "Можливості комп’ютерної томографії для діагностики місцевих ускладнень некротичного панкреатиту згідно з переглянутою класифікацією (Атланта, 2012)." Klinicheskaia khirurgiia, № 2 (2 лютого 2018): 9–11. http://dx.doi.org/10.26779/2522-1396.2018.02.09.
Повний текст джерелаАнотація:
Мета. Вивчити діагностичну цінність комп’ютерної томографії (КТ) щодо змін, пов’язаних з розвитком інтра– та перипанкреатичних скупчень, згідно з переглянутою класифікацією (Атланта, 2012), для своєчасного доповнення чи зміни лікувальної тактики.
Матеріали і методи. Обстежені 62 пацієнти. Всі пацієнти розділені на дві групи: основну і порівняльну. До основної групи увійшли 30 (48,38%) пацієнтів, що перебували в клініці з 2014–2016 рр. Цим хворим за показаннями проводили КТ, а гострий панкреатит (ГП) класифікували у відповідності з переглянутою класифікацією (Атланта, 2012). До порівняльної групи увійшли 32 (51,62%) пацієнти, яких спостерігали у 2011–2013 рр., у них використана перша класифікація (Атланта, 1992), а КТ проводили не системно.
Результати. КТ має відмінні діагностичні можливості щодо виявлення інтра– та перипанкреатичних скупчень рідини у хворих з ГП: чутливість – 84,62%, специфічність – 100%, площа під ROC–кривою – 0,923 (р < 0,001).
Оптимальний результат діагностики інтра– та перипанкреатичних скупчень рідини у хворих з ГП отримано при комплексному застосуванні разом лабораторних даних і клінічних симптомів та КТ: чутливість – 96,15%, специфічність – 100%, площа під ROC–кривою – 0,962 (р < 0,001).
Висновки. В переглянутій класифікації (Атланта, 2012) передбачене раннє використання КТ з метою своєчасного виявлення місцевих ускладнень некротичного панкреатиту, що дає додаткові можливості для корекції лікувальної тактики. Використання КТ разом з клінічними та лабораторними даними для діагностики місцевих ускладнень некротичного панкреатиту покращує діагностичні можливості кожного з цих методів, а в сукупності вони в цілому підвищують чутливість діагностичного комплексу до 96,15%.
35
Gadetska, S., та 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, № 50 (12 вересня 2018): 62–68. http://dx.doi.org/10.26906/sunz.2018.4.062.
Повний текст джерелаАнотація:
Вирішується задача класифікації зображень у просторі ознак дескрипторів особливих точок з поданням опису у кластерному виді і використанням статистичних мір для обчислення релевантності описів. Проведено аналіз особливостей застосування статистичного та метричного класифікаторів при визначенні рівня релевантності структурних описів. Виконано порівняння характеристик мір релевантності на розрахункових прикладах. Запропоновано використання розходження Кульбака-Лейблера як універсальної і ефективної міри для задачі класифікації. Підтверджена результативність запропонованого підходу для прикладних баз зображень. Наукова новизна дослідження полягає у розвиненні методу структурного розпізнавання зображень на основі кластерного опису множини дескрипторів особливих точок шляхом застосування апарату статистичних мір для визначення релевантності аналізованих та еталонних даних і побудови класифікаційних висновків у просторі кластер – еталон. Практична значущість роботи – отримання прикладних розрахункових моделей для застосування методів класифікації і підтвердження їх результативності в конкретних прикладах базах зображень.
36
Загородній, О. "Принципи медичної діагностики злоякісного раку шкіри людини за допомогою штучних нейронних мереж." COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, № 40 (19 вересня 2020): 31–36. http://dx.doi.org/10.36910/6775-2524-0560-2020-40-05.
Повний текст джерелаАнотація:
Наведено принципи медичної діагностики онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. Розкрито аспекти розвитку штучного інтелекту, які дозволяють створювати на базі біологічних підходів інтелектуальні системи в різних областях застосування. Охарактеризовано етапи онкологічної діагностики, які є обов’язковими та мають фундаментальний вплив на подальше лікування пацієнта у разі діагностування злоякісного раку шкіри, результатом кожного з етапів є клінічний діагноз, морфологічний діагноз та патоморфологічний діагноз. Окреслено поняття меланоми та особливості її розвитку. Досліджено алгоритми автоматизованого комп'ютерного аналізу дерматологічних зображень, які забезпечують допомогу лікарям у постановці діагнозу та сприяють підвищенню точності діагностики. Розроблено структурну схему діагностування онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. В основі завдання диференціації патологій шкірних покривів людини лежить умовний поділ на 4 частини для вирішення завдань бінарної класифікації. Підкреслено, що навчання штучної нейронної мережі відбувається за допомогою наборів даних. Наголошується, що враховуючи завдання бінарної класифікації, у кожному напрямку застосування, наборам даних присвоюються мітки класу нуль та один, представлені у вигляді масиву. У статті розроблено детальний алгоритм, наведений у вигляді блок-схеми, здатний здійснювати постановку остаточного медичного діагнозу щодо захворювання шкіри на онкологічні патології за допомогою штучної нейронної мережі. Описаний алгоритм розроблений на основі штучних нейронних мереж, навчених вирішувати завдання бінарної класифікації. Результатом роботи штучної нейронної мережі є висновок приналежності вхідного значення до класів, на яких описана нейромережа проходила етап навчання.
37
Мироненко, С., та Є. Онищенко. "Порівняльний аналіз методів для вирішення задачі сентимент аналізу тексту." COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION, № 40 (24 вересня 2020): 140–45. http://dx.doi.org/10.36910/6775-2524-0560-2020-40-21.
Повний текст джерелаАнотація:
В даній статті розглядається підхід навчання з вчителем (supervised learning) для вирішення проблеми, пов’язаної з Natural Language Processing (NLP), а саме сентимент-аналіз текстових даних. В ході роботи було реалізовано 4 різних класифікатори на одній й тій самій виборці даних та порівняно їх ефективність за часом навчання, тестування та точності класифікації. В результаті роботи було визначено, що найкращий метод серед реалізованих – 3D CNN модель, яка використовує BERT токенізатор для попередньої обробки тексту. Саме завдяки використанню BERT для препроцессінгу тексту цей метод показав кращі результати.
38
Чванкін, Сергій Анатолійович. "МЕТАДАНІ ЯК ДЖЕРЕЛО ДОКАЗОВОЇ ІНФОРМАЦІЇ В ЦИВІЛЬНОМУ ПРОЦЕСІ". KELM (Knowledge, Education, Law, Management) 2, № 8 (13 липня 2021): 230–34. http://dx.doi.org/10.51647/kelm.2020.8.2.37.
Повний текст джерелаАнотація:
У цій науковій статті встановлено сутність метаданих як одного з важливих джерел доказової інформації. Доведено, що метадані є не окремим видом електронних доказів, а складовою частиною електронних доказів, характеристики яких вони описують. Проаналізовано наявні в науковій літературі класифікації мета- даних, досліджено деякі види метаданих та визначено особливості використання метаданих у процесі судового доказування у цивільних справах.
39
Мартовицька, О. В. "ПОНЯТТЯ ТА КРИТЕРІЇ КЛАСИФІКАЦІЇ ЗАСАД НАДАННЯ ТА РЕАЛІЗАЦІЇ ПРАВОВОЇ ДОПОМОГИ". Juridical science, № 2(104) (15 липня 2021): 385–91. http://dx.doi.org/10.32844/2222-5374-2020-104-2.43.
Повний текст джерелаАнотація:
Актуальність статті полягає в тому, що належне надання правової допомоги й у подальшому ефективна реалізація її окремих процедур напряму залежить від повноти й якості визначення провідних засад функціонування даної сфери суспільних відносин. Саме засади надання та реалізації правової допомоги мають визначальний вплив на подальший розвиток даних суспільних відносин, оскільки їх недотримання або ж порушення може поставити під сумнів законність та обґрунтованість кінцевих процесуальних рішень. У статті наголошено на необхідності з’ясування сутності та критеріїв класифікації засад надання та реалізації правової допомоги з урахуванням як наукових напрацювань, так і нормативно- правових положень з метою визначити теоретичні та прикладні проблеми інституту професійної правничої допомоги в кримінальному процесі України. Підкреслено, що засади надання та реалізації правової допомоги мають визначальний вплив на подальший розвиток даних суспільних відносин, оскільки їх недотримання або ж порушення може поставити під сумнів законність та обґрунтованість кінцевих процесуальних рішень. Уточнено понятійно-категоріальний апарат, що використовується в представленому дослідженні. З’ясовано, що актуальним є використання вузького підходу до визначення сутності категорії «засада», в досліджу- ваному випадку – їх ототожнення з категорією «принцип». Запропоновано під засадами надання та реалізації правової допомоги розуміти закріпле- ну в приписах чинного національного законодавства сукупність правових положень, на основі яких уповноважені суб’єкти надають правову допомо- гу, що в подальшому реалізується в межах функціонування відповідних су- спільних відносин. Зазначено, що на сьогодні можна назвати доволі значну кількість засад надання та реалізації правової допомоги, з огляду на що їх слід піддати науковій класифікації. Сформовано критерії класифікації за- сад надання та реалізації правової допомоги можуть з огляду на значну кількість аспектів: сфери суспільних відносин; правових засад їх функціону- вання; суб’єктного складу; процесуальної стадії тощо. Надано пропозицію обрати найбільш універсальний критерій класифікації засад надання й ре- алізації правової допомоги, який би вказував як на загальне значення даної інституції, так і на особливості її функціонування в межах кримінального процесу України.
40
Gorokhovatskyi, V., D. Rudenko та Т. Siryk. "ДОСЛІДЖЕННЯ СИСТЕМИ ІЄРАРХІЧНИХ ОЗНАК ПРИ БЛОЧНОМУ ПОДАННІ ОПИСУ У СКЛАДІ МНОЖИНИ КЛЮЧОВИХ ТОЧОК ЗОБРАЖЕННЯ". Системи управління, навігації та зв’язку. Збірник наукових праць 2, № 54 (11 квітня 2019): 69–73. http://dx.doi.org/10.26906/sunz.2019.2.069.
Повний текст джерелаАнотація:
Предметом досліджень статті є ієрархічні моделі для встановлення ступеня релевантності описів зображень при розпізнаванні візуальних об’єктів у системах комп’ютерного зору. Метою є розроблення модифікації методу структурного розпізнавання на підставі впровадження блокових моделей даних із інтегруванням ймовірнісних розподілів. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією ієрархічного оброблення даних при визначенні релевантності структурних описів, вивчення властивостей цих моделей, оцінювання результативності при обробленні зображень. Застосовуваними методами є: детектор ORB для формування дескрипторів ключових точок, інтелектуальний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані такі результати. Перехід від опису множин дескрипторів до розподілів фрагментів, побудова ієрархічних ознак забезпечують необхідну результативність розпізнавання. Оброблення та аналіз даних виконується у кілька разів швидше, ніж на підставі розподілів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі впровадження блочної структури опису із використанням інтегрованих значень розподілу для фрагментів множини дескрипторів. Практична значущість – досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності, підтвердження результативності запропонованих ієрархічних ознак на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації системах комп’ютерного зору.
41
Шумейко, О., В. С. Сотник, І. І. Жульковська та О. О. Жульковський. "ВИКОРИСТАННЯ МЕТОДІВ DATA MINING ДЛЯ ОБРОБКИ МОВНОЇ ІНФОРМАЦІЇ". Математичне моделювання, № 2(45) (13 грудня 2021): 48–57. http://dx.doi.org/10.31319/2519-8106.2(45)2021.246944.
Повний текст джерелаАнотація:
Зі збільшенням обсягів інформації, отриманої у результаті роботи інформаційних систем і процесів, у ході діяльності підприємств або іншої діяльності людства, обробка й аналіз даних стають значно складними. Для первинної обробки інформації з метою її структурування, виділення характерних ознак, узагальнення, сортування тощо застосовують Data Mining або інтелектуальний аналіз даних.
Важливим складником Data Mining є обробка текстової інформації. Такого роду задачі опираються на поняття класифікації й кластеризації.
Як показали отримані результати, наївний баєсівський класифікатор достатньо ефективно може використовуватися для розробки програмного забезпечення з обробки мовної інформації. Проте, у подальшому бажано як параметри розглядати також ланцюжки з декількох слів. У самому алгоритмі для запобігання втрат точності на довгих текстах потрібно використовувати замість перемножування ймовірностей (частот) додавання їх логарифмів.
42
Karpa, D. М., I. H. Tsmots та Yu V. Opotiak. "Нейромережеві засоби прогнозування споживання енергоресурсів". Scientific Bulletin of UNFU 28, № 5 (31 травня 2018): 140–46. http://dx.doi.org/10.15421/40280529.
Повний текст джерелаАнотація:
Досліджено та обґрунтовано вибір нейромережевих структур для оброблення статистичних даних з метою прогнозування та виявлення аномальних показників споживання енергоресурсів. Показано, що системам на основі нейронних мереж завжди протиставлялись експертні системи, які, на відміну від перших, очевидно програмувались. Середовище, в якому працює система, не завжди є статичним і потрібні методи опрацювання даних, які могли б адекватно реагувати на зміну середовища та вміти відповідно адаптувати отримувані результати. Нейронні мережі володіють такою особливістю, як вміння навчатись. Ця особливість і є основним аргументом для застосування таких структур у системах управління енергоефективністю. Розроблена архітектура мережі та застосований процес навчання дав змогу прогнозувати показники спожитої електроенергії з урахуванням багатьох параметрів. Особливістю розробленої архітектури є можливість здійснювати перенавчання у процесі функціонування, не перериваючи його. Використання адаптивного та безперервного навчання нейромережі дасть змогу виявляти аномальні показники даних. Точність такого виявлення було перевірено на реальній вибірці даних. Аналіз отриманих результатів показує, що використання нейронних мереж хоч і потребує швидкодії і часу на навчання, проте, під час класифікації вхідного вектора, швидкодія нейронної мережі перевищує будь-який алгоритм кластеризації.
43
Поспешный, Александр Сергеевич. "Ефективний алгоритм логічного аналізу OWL 2 EL онтологій з типізованими виразами на базі логічного процесору ELK". Адаптивні системи автоматичного управління 1, № 20 (23 листопада 2012): 106–15. http://dx.doi.org/10.20535/1560-8956.20.2012.30710.
Повний текст джерелаАнотація:
Багаторазово і регулярно висловлювалася думка, що типізовані вирази з використанням конкретних типів даних матимуть першорядну роль в Семантичної павутині і необхідні для cтворення баз знань. У цій статті ми представляємо модифікацію високопродуктивного логічного процесора ELK з підтримкою типізованих властивостей в рамках профілю OWL 2 EL. Проведені випробування показали виняткову швидкість класифікації великих онтологій зі значною кількістю екземплярів і типізованих властивостей, що відкриває нові перспективи для застосування логічних процесорів на практиці
44
Bublyk, L. O., Yu D. Titov та I. G. Gochfeld. "Хірургічне лікування дегенеративного спондилолістезу". TRAUMA 14, № 2 (1 березня 2013): 105–7. http://dx.doi.org/10.22141/1608-1706.2.14.2013.88631.
Повний текст джерелаАнотація:
На основі клінічного досвіду (100 хворих) та клініко-рентгенологічної класифікації спондилолістезів запропонована тактика хірургічного лікування. Застосування нових технологій передопераційного планування, диференційний підхід, використання стандартних металоконструкцій дозволяють проводити оперативні втручання малотравматичним ретроперитонеальним переднім доступом, а також класичним заднім доступом, що є ефективними у складних випадках дегенеративного спондилолістезу. При дослідженні катамнезу від 6 місяців до 3 років у 93 % отримано задовільні результати лікування при використанні даних методик. Проведено аналіз ускладнень, що виникли, та способів їх усунення.
45
Nazirova, T. A., та A. B. Kostenko. "Застосування технології Neural Network для управління пацієнтопотоком у медичній установі". Scientific Bulletin of UNFU 28, № 6 (27 червня 2018): 136–39. http://dx.doi.org/10.15421/40280627.
Повний текст джерелаАнотація:
На сьогодні на основі технології Neural Network розроблено безліч програмних комплексів для прогнозування різних явищ, статистичного оброблення даних, методів класифікації даних, розпізнавання образів, оптимізації деяких процесів тощо. Здатність до самонавчання та вилучення знань з даних є одним з найкорисніших та вражаючих властивостей штучних нейронних мереж, успадкованих ними від мозку, як від свого прототипу. Світова практика використання штучного інтелекту свідчить про можливості отримувати нові, невідомі раніше закономірності, які не відразу знаходять пояснення, а іноді і не вкладаються в рамки офіційної науки. У багатьох параметрах технології нейронних мереж перевершують наявні традиційні алгоритми, тому по праву вважаються актуальними для активного застосування на цей час. Нейронні мережі – потужний метод моделювання, що дає змогу відтворювати складні нелінійні залежності, що актуально для систем прийняття рішень в управлінні пацієнтопотоком у медичних установах. У цьому дослідженні розглянуто сутність нейронних мереж, їх особливості здатності до навчання (налаштування архітектури і синаптичних зв'язків). Також виявлено і перспективи розвитку застосування і використання штучних нейронних мереж для застосування розподілу пацієнтів для здійснення профілактичного медичного огляду.
46
Лумпова, Т. І., О. В. Заболотний та О. П. Пугачов. "ПІДХОДИ ДО СТВОРЕННЯ КЛАСИФІКАТОРА ЕКОНОМІЧНИХ ПОКАЗНИКІВ У ІНФОРМАЦІЙНИХ СИСТЕМАХ". Таврійський науковий вісник. Серія: Технічні науки, № 3 (2 листопада 2021): 29–37. http://dx.doi.org/10.32851/tnv-tech.2021.3.4.
Повний текст джерелаАнотація:
Важливим завданням у створенні інформаційних систем для аналітичних досліджень економічних явищ є визначення принципів організації та ведення класифікації економіч- них показників як їх систематизованого розподілу за певними групами. Зазвичай цей опис оформлюється як класифікатор економічних показників, який містить метаінформацію щодо показника для надання користувачам можливості проведення оцінювання якості показників і визначення можливості їх подальшого спільного використання. Це завдання набуває актуальності під час оброблення показників, які надходять з різних за походжен- ням інформаційних ресурсів. У статті з погляду забезпечення якості даних увагу зосере- джено на формування опису економічних показників як складової репозитарію метаданих, призначеного для підтримки керованої метаданими інформаційної системи та забезпе- чення різних груп користувачів інформацією щодо економічних даних, а також визначено першочергові кроки із створення такого репозитарію. Запропонований підхід не носить характеру остаточного рішення, а є першим набли- женням до визначення принципів створення класифікатору економічних показників. Він потребує подальшого ґрунтовного наукового дослідження, кінцевим результатом якого має стати класифікатор економічних показників як інструмент, що використовується у практичній діяльності аналітиків. Використання «великих даних» та сховищ даних в аналітичних дослідженнях вима- гає перегляду підходів до формування метаінформаційного опису економічних показників для надання користувачам всеохопної інформації щодо цих показників та можливості оцінки їх якості. Запропонована у статті структура метаінформаційного середовища забезпечить формування всебічної інформації щодо даних для аналітичних досліджень та буде корисною при створенні репозитарію метаданих, сховища даних, інформацій- ного порталу.
47
Kryvokhata, Anastasiia, Oleksii Kudin, Maksym Davidovsky, and Andrii Lisnyak. "Applying of ensemble methods in acoustic data classification." Visnyk of Zaporizhzhya National University. Physical and Mathematical Sciences, no. 1 (2018): 48–60. http://dx.doi.org/10.26661/2413-6549-2018-1-05.
Повний текст джерела
48
ПАХОЛЮК, О. В., Г. І. ГОЛОДЮК, А. В. ДЗЮБИНСЬКИЙ та В. СЕРЕДИНСЬКИЙ. "КЛАСИФІКАЦІЯ ТОВАРІВ ЯК ІНСТРУМЕНТ МИТНОГО РЕГУЛЮВАННЯ". Товарознавчий вісник 1, № 14 (13 березня 2021): 249–57. http://dx.doi.org/10.36910/6775-2310-5283-2021-14-23.
Повний текст джерелаАнотація:
Мета. Метою роботи є дослідження алгоритму кодування товарів та встановлення заходів митно-тарифного регулювання при експорті, на прикладі бавовняних текстильних матеріалів за УКТ ЗЕД, з метою забезпечення правильності їх митного оформлення. Для досягнення поставленої мети, необхідно визначити ознаки класифікації бавовняних текстильних матеріалів, вивчити критерії виходу товарів на міжнародний ринок і встановити тарифні та нетарифні заходи регулювання.
Методика. Використано методи логічного аналізу, узагальнення наукової літератури, статистичних даних експорту та імпорту товарів. Для формування узагальнень застосовано досвід консультаційної та експертної роботи авторів у прогнозуванні та аналізі митно-тарифного регулювання.
Результати. Встановлено, що бавовняні текстильні матеріали класифікують у ХІ розділі «Текстильні матеріали» у 52 групі «Бавовна». Основним класифікаційними ознаками є: волокнистий склад матеріалу, призначення, поверхнева густина, вид переплетення, вид обробки, ширина рулону. При експорті-імпорті текстильних товарів обов’язково подається сертифікат походження. Ставка мита при експорті – 0 %. Ставка мита при імпорті варіюється від 20 до 1%. Можливе зменшення ставки ввізного мита у випадку імпорту бавовняних тканин з країн Євросоюзу. Для групи текстильної продукції пред’являються такі спеціальні вимоги при експорті в країни ЄС: правила маркування текстильних виробів;обмеження на використання певних хімічних речовин в текстильних виробах; вимоги до лабораторій, в яких проводиться дослідження текстилю. Митне оформлення здійснюється на загальних підставах.
Наукова новизна. На прикладі класифікації бавовняних текстильних матеріалів, показано практичне застосування класифікації товару на міжнародному рівні для здійснення експорту та імпорту, тарифних і нетарифних заходів, що застосовуються відносно товарів.
Практична значимість. Обґрунтована потреба єдиного підходу до класифікації товарів під час проведення експертних товарознавчих досліджень і необхідність розробки єдиного методичного підходу до класифікації непродовольчих товарів.
49
Поляченко, А. І. "РУЧНА ОБРОБКА МЕДИЧНИХ ЗОБРАЖЕНЬ ЛІКАРЕМ-ДІАГНОСТОМ У СИСТЕМІ РОЗПІЗНАВАННЯ ТОМОГРАФІЧНИХ І РЕНТГЕНІВСЬКИХ ЗНІМКІВ ДЛЯ ПОШУКУ І ЛОКАЛІЗАЦІЇ ПАТОЛОГІЙ". Automation of technological and business processes 11, № 3 (11 листопада 2019): 42–45. http://dx.doi.org/10.15673/atbp.v11i3.1502.
Повний текст джерелаАнотація:
У статті запропоновано та побудовано систему розпізнавання томографічних і рентгенівських знімків для пошуку і локалізації патологій. Дана система включає блоки: введення інформації про пацієнта, обробки медичних зображень, для встановлення висновку, для класифікації виявлених патологій, базу даних, підготовки звіту. У запропонованій системі початковим етапом є отримання томографічних чи рентгенівських знімків, які, далі, поступають до блоків введення інформації про пацієнта і обробки медичних зображень. Інформація про пацієнта в результаті введення потрапляє до бази даних разом із томографічними чи рентгенівськими знімками. У пропонуємій системі розпізнавання томографічних і рентгенівських знімків для пошуку і локалізації патологій існує можливість для лікаря-діагноста самому виділяти підозрілу з його точки зору область і надалі обробити тільки цю область або за допомогою існуючих загорткових нейронних мереж виділити області патологій-новоутворень, або вибрати конкретні алгоритми обробки медичних зображень.
50
Gorokhovatskyi, V., S. Gadetska та R. Ponomarenko. "СТАТИСТИЧНІ РОЗПОДІЛИ ТА ЛАНЦЮЖКОВЕ ПОДАННЯ ДАНИХ ПРИ ВИЗНАЧЕННІ РЕЛЕВАНТНОСТІ СТРУКТУРНИХ ОПИСІВ ВІЗУАЛЬНИХ ОБ’ЄКТІВ". Системи управління, навігації та зв’язку. Збірник наукових праць 6, № 52 (13 грудня 2018): 87–92. http://dx.doi.org/10.26906/sunz.2018.6.087.
Повний текст джерелаАнотація:
Предметом досліджень статті є моделі для встановлення рівня релевантності зображень у просторі розподілів для дескрипторів ключових точок при розпізнаванні візуальних об’єктів у системах комп’ютерного зору. Метою є створення методу структурного розпізнавання зображень на підставі впровадження ланцюжкових моделей даних із використанням ймовірнісних розподілів множини дескрипторів. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією аналізу даних при визначенні релевантності структурних описів, вивчення властивостей, атрибутів застосування, значень параметрів цих моделей, оцінювання результативності за наслідками оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, апарат інтелектуального аналізу даних, методи побітового оброблення та побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Отримані такі результати. Перехід від опису множин дескрипторів до ймовірнісних розподілів фрагментів і зіставлення образів у просторі розподілів забезпечують необхідну результативність розпізнавання. Оброблення та аналіз даних виконується у сотні разів швидше, ніж традиційний підрахунок голосів. Оброблення та аналіз сполучень бітів формує значимі властивості для сукупності елементів опису зі збереженням структури даних і їх уніфікації. Зі збільшенням числа бітів у фрагменті розподілу зростає відстань між зображеннями, що сприяє збільшенню ступеня їх розрізнення. Ланцюговим поданням та застосуванням розподілів створюється новий простір даних, що дає можливість суттєво покращити показники функціонування систем розпізнавання зображень. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі впровадження узагальненої ланцюгової структури опису із використанням значень розподілу для фрагментів множини дескрипторів ключових точок, що змістовно відображають властивості зображень об’єктів і забезпечують результативне розпізнавання. Практична значущість – досягнення суттєвого рівня підвищення швидкодії обчислення релевантності, підтвердження результативності запропонованих модифікацій на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації в системах комп’ютерного зору.