https://ir.lib.vntu.edu.ua//handle/123456789/426 2026-04-15T03:07:07Z 2026-04-15T03:07:07Z Dalishchuk, А. Pavlov, S. Polishchuk, S. Polishchuk, V. Sachaniuk-Kavets`ka, N. Davydiuk, L. Kornilenko, O. Павлов, С. В. Сачанюк-Кавецька, Н. В. Давидюк, Л. П. Корніленко, О. С. https://ir.lib.vntu.edu.ua//handle/123456789/50959 2026-03-24T13:22:28Z 2025-01-01T00:00:00Z

Fuzzy neural network method for assessing the effectiveness of odontogenic phlegmons treatment of the maxillofacial region Dalishchuk, А.; Pavlov, S.; Polishchuk, S.; Polishchuk, V.; Sachaniuk-Kavets`ka, N.; Davydiuk, L.; Kornilenko, O.; Павлов, С. В.; Сачанюк-Кавецька, Н. В.; Давидюк, Л. П.; Корніленко, О. С. The paper analyzes the main areas of application of mathematical methods in medical diagnostics, formulates the principles of diagnostics based on fuzzy logic. The basic structure of the MIS medical information system for assessing the degree of engraftment of effectiveness of odontogenic phlegmons treatment of the maxillofacial region was developed and the main recommendations for its design were put forward, namely: the selection and purpose of the system; selection of the structural scheme of the system; formation and analysis of the list of nosological forms, collection of statistically reliable information about the severity of symptoms; choosing a method of processing biomedical information; construction of an algorithm for solving the problems of evaluating biomedical information and forming diagnostic and prognostic conclusions. The practical value of the work lies in the possibility of using an automated medical expert system to solve the problems of medical diagnosis based on fuzzy logic when assessing the degree of engraftment of effectiveness of odontogenic phlegmons treatment of the maxillofacial region.

2025-01-01T00:00:00Z Polishchuk, V. Pavlov, S. Polishchuk, S. Shuvalov, S. Dalishchuk, A. Sachaniuk-Kavets`ka, N. Mukhsina, K. Nazerke, А. Павлов, С. В. Сачанюк-Кавецька, Н. В. https://ir.lib.vntu.edu.ua//handle/123456789/50956 2026-03-24T09:43:12Z 2024-01-01T00:00:00Z

Medical fuzzy-expert system for prediction of engraftment degree of dental implants in patients with chronic liver disease Polishchuk, V.; Pavlov, S.; Polishchuk, S.; Shuvalov, S.; Dalishchuk, A.; Sachaniuk-Kavets`ka, N.; Mukhsina, K.; Nazerke, А.; Павлов, С. В.; Сачанюк-Кавецька, Н. В. W artykule przedstawiono technologię informacyjną do oceny stopnia wszczepienia implantów stomatologicznych u pacjentów z przewlekłą chorobą wątroby za pomocą zbiorów rozmytych, co pozwala na zastosowanie tej metody do medycznych zadań diagnostycznych. Główne wyniki naukowe: opracowano algorytmy i modele matematyczne formalizujące proces wspomagania podejmowania decyzji diagnostycznych w oparciu o logikę rozmytą; opracowano matematyczne modele funkcji przynależności formalizujące reprezentację ilościowych i jakościowych cech informacyjnych opartych na regułach logiki rozmytej, które mogą być wykorzystane w informatycznych systemach ekspertowych do oceny stopnia wszczepienia implantów stomatologicznych u pacjentów z przewlekłą chorobą wątroby.; The paper presents an information technology for assessing the degree of engraftment of dental implants in the event of a pathology violation through the use of fuzzy sets, which allows using this method for medical diagnostic tasks. Main scientific results: developed algorithms and mathematical models that formalize the process supporting diagnostic decisions based on fuzzy logic; developed mathematical models of membership functions that formalize the presentation of qualitative and qualitative informational features based on the rules of fuzzy logic, which can be used in information expert systems when assessing the degree of engraftment of dental implants in case of disease with pathological diseases.

2024-01-01T00:00:00Z Вітюк, В. А. Бондаренко, З. В. Vitiuk, V. Bondarenko, Z. https://ir.lib.vntu.edu.ua//handle/123456789/50879 2026-03-18T10:15:08Z 2026-01-01T00:00:00Z

Реалізація та криптоаналіз блокового шифру Гілла засобами лінійної алгебри Вітюк, В. А.; Бондаренко, З. В.; Vitiuk, V.; Bondarenko, Z. The paper investigates the mathematical foundations of block encryption using the Hill cipher. Algebraic conditions for the existence of an inverse key matrix in the residue ring are determined. An algorithm for generating keys suitable for encryption is developed and described. Computer simulation of the process and evaluation of the method's resistance to breaking are performed.; В роботі досліджено математичні основи блокового шифрування на прикладі шифру Гілла. Визначено алгебраїчні умови існування оберненої матриці ключа в кільці лишків. Розроблено та описано алгоритм генерації придатних для шифрування ключів. Проведено комп`ютерне моделювання процесу та оцінку стійкості методу до злому.

2026-01-01T00:00:00Z Балан, В. Р. Бондаренко, З. В. Balan, V. Bondarenko, Z. https://ir.lib.vntu.edu.ua//handle/123456789/50878 2026-03-18T10:26:05Z 2026-01-01T00:00:00Z

Застосування нейронних диференціальних рівнянь для прогнозування цін американських опціонів Балан, В. Р.; Бондаренко, З. В.; Balan, V.; Bondarenko, Z. The paper considers the problem of forecasting American option prices using neural differential equations. Classical approaches to option pricing based on financial differential equations are analyzed, and their limitations under complex market dynamics are demonstrated. The use of neural differential equations is proposed as a method that combines the mathematical explanation of traditional models with the flexibility of machine learning techniques. The results show that training models on real and synthetic financial data can improve forecasting accuracy.; У роботі розглянуто задачу прогнозування цін американських опціонів із використанням нейронних диференціальних рівнянь. Проведено аналіз класичних підходів до оцінювання опціонів, зокрема моделей на основі диференціальних рівнянь фінансової математики, та показано їх обмеження у випадку складної ринкової динаміки. Запропоновано використання нейронних диференціальних рівнянь як інструменту, що поєднує математичне пояснення традиційних моделей із гнучкістю методів машинного навчання. Продемонстровано можливість підвищення точності прогнозування за рахунок навчання моделей на реальних та синтетичних фінансових даних.

2026-01-01T00:00:00Z