https://ir.lib.vntu.edu.ua//handle/123456789/43897 Sun, 26 Apr 2026 15:18:21 GMT 2026-04-26T15:18:21Z https://ir.lib.vntu.edu.ua//handle/123456789/50177 Нейромережевий ансамбль для прогнозування часових рядів на основі Prophet та LSTM Лосенко, А. В.; Козачко, О. М.; Варчук, І. В.; Losenko, A. V.; Kozachko, O. M.; Varchuk, I. V. У статті розглядається застосування моделей машинного навчання для оптимізації прогнозування часових рядів, що є актуальним завданням у багатьох галузях, включаючи охорону здоров'я. Особлива увага приділяється використанню моделі Prophet у поєднанні з ансамблевими методами, такими як моделі машинного навчання на основі нейронних мереж, зокрема LSTM, GRU, а також інших рекурентних нейронних мереж, для створення високоточного прогнозування кількості хворих на COVID-19 в Україні протягом 2020 – 2022 років. Прогнозування часових рядів є важливим інструментом для аналізу та моделювання тенденцій, які мають складну природу залежностей. Наприклад, у сфері охорони здоров'я прогнозування кількості хворих дозволяє заздалегідь оцінити навантаження на систему охорони здоров'я та планувати відповідні ресурси. У цьому контексті використання моделей, які здатні враховувати як короткострокові, так і довгострокові тренди, є критично важливим. Prophet, відомий своєю здатністю точно моделювати сезонні компоненти, доповнюється потужністю LSTM для обробки нелінійних залежностей, що забезпечує значне покращення точності прогнозів. Додатково у статті розглядається можливість використання гібридних підходів, які комбінують результати традиційних методів і моделей глибокого навчання. Такий підхід дозволяє враховувати складні закономірності у часових рядах, які не завжди можуть бути повністю враховані однією моделлю. Гібридні підходи забезпечують багаторівневий аналіз даних, де статистичні методи, такі як Prophet, моделюють основні тренди та сезонність, тоді як глибокі нейронні мережі, наприклад LSTM, обробляють нелінійні та короткострокові залежності. Результати дослідження можуть бути використані для аналізу інших часових рядів, що робить запропонований підхід універсальним та перспективним для подальшого розвитку. Mon, 01 Jan 2024 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/50177 2024-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/49885 Системний аналіз стану природних середовищ з урахуванням аномалій Шмундяк, Д. О.; Мокін, В. Б.; Shmundiak, D.; Mokin, V. B. The article presents a neural network approach for determining the temporal orientation in texts, which allows reconstructing the chronology of events even in the absence of explicit time markers. This approach determines the probabilistic order of words in texts, taking into account their statistical and linguistic relationships. In contrast to traditional approaches that rely on explicit temporal expressions or publication dates, the proposed approach allows to estimate the order of events based on the identified relationships between pairs of words in documents, describing events. To analyze the temporal orientation, neural networks are used to model the relationships between words by comparing their occurrence in texts in pairs. Formulas have been developed to calculate temporal orientation indicators based on the frequency of occurrence of words in dated texts. The obtained indicators are normalized, this provides a better interpretation of the results. Based on these indicators, a set of features was formed to train machine learning models according to various criteria. To test the effectiveness, we created a Ukrainian-language corpus of 127,000 social media news and applied several models: Gradient Boosting Classifier, Random Forest Classifier, Decision Tree, and Logistic Regression. As an example, 48 features that characterize the news, were selected. The experiments revealed that the Gradient Boosting Classifier model showed the best result with an accuracy of 89.76 % on the validation dataset, which exceeded the accuracy of other models such as Random Forest (74.81%) and Decision Tree (68.97 %). The proposed approach proved to be effective in modeling the chronological relationships between events, which is important for text automation tasks. The approach can be used to analyze news, chronologically organize historical events, and work with text data in large arrays.; Запропоновано нейромережевий підхід до визначення темпоральної спрямованості у текстах, що дозволяє відтворювати хронологію подій, навіть за відсутності явних часових маркерів. Цей підхід визначає ймовірнісний порядок появи слів у текстах з урахуванням їхніх статистичних та лінгвістичних зв’язків. На відміну від традиційних підходів, які покладаються на явні часові вирази або дати публікацій, запропонований підхід дає змогу оцінювати порядок подій на основі виявлених взаємозв’язків між парами слів в документах, що описують події. Для аналізу темпоральної спрямованості використовуються нейронні мережі, що дозволяють моделювати відносини між словами шляхом попарного порівняння їхньої появи в текстах. Запропоновано формули для обчислення показників темпоральної спрямованості, які базуються на частоті появи слів у датованих текстах. Отримані показники нормалізовані, що забезпечує кращу інтерпретацію результатів. На основі цих показників сформовано набір ознак для тренування моделей машинного навчання за різними критеріями. Для перевірки ефективності створено україномовний корпус із 127 000 новин соціальних мереж та застосовано кілька моделей: Gradient Boosting Classifier, Random Forest Classifier, Decision Tree та Logistic Regression. Як приклад, вибрано 48 ознак, які характеризують ці новини. У ході експериментів виявлено, що модель Gradient Boosting Classifier показала найкращий результат з точністю 89,76 % на валідаційному датасеті, що перевищило точність інших моделей, таких як Random Forest (74,81 %) та Decision Tree (68,97 %). Запропонований підхід підтвердив ефективність у моделюванні хронологічних зв’язків між подіями, що є важливим для задач автоматизації текстів. Підхід можна використовувати для аналізу новин, хронологічного впорядкування історичних подій і роботи з текстовими даними у великих масивах. Mon, 01 Jan 2024 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/49885 2024-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/47602 Аналіз процесів ударно-абразивного зношування робочих органів дорожньо-будівельних машин Савуляк, В. І.; Гримашевич, В. О.; Savulyak, V. I.; Hrymashevych, V. O. Ударно-абразивне зношування відносять до найбільш небезпечних та поширених видів пошкоджень дорожньо-будівельних машин. За статистичними даними з причин, викликаних цим видом зношування, виконується біля 50% всіх ремонтних робіт по відновленню працездатності машин. Найбільше зношуються робочі органи тих машин, які працюють з високими тисками середовища на поверхні, що безпосередньо виконують корисну роботу. В дорожньо-будівельних машинах такі поверхні мають ножі скреперів, грейдерів та бульдозерів, щелепи грейферних навантажувачів тощо. Особливу проблему для функціонування дорожніх машин створюють не лише власне процеси зношування, але і їх нерівномірність, що спотворює профіль робочих органів машини, змінює величину та напрями векторів сил, які діють на різних ділянках деталей. У низці випадків компенсувати нерівномірність зносу окремих поверхонь не вдається. Виникає питання щодо можливості попередження таких проблем шляхом створення на поверхнях деталей робочих органів шарів з різною зносостійкістю за рахунок керування локальним складом та структурою матеріалу на різних ділянках. Дослідження закономірностей процесів абразивного зношування та пошук конструктивних і технологічних заходів для покращення якості та ефективності функціонування дорожніх машин є безумовно актуальною задачею. Метою даної роботи є аналіз досліджень та публікацій з проблем ударно-абразивного зношування робочих органів дорожньо-будівельних машин в різних умовах експлуатації, методів їх відновлення та зміцнення. Mon, 01 Jan 2024 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/47602 2024-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/46139 Залежність бокового тиску брикетування соломи ріпаку від її вологості та тиску пресування гідравлічним пресом Березюк, О. В.; Молодецька, Т. І.; Сердюк, О. В.; Піонткевич, О. В. Одним з альтернативних енергетичних ресурсів є біомаса, використання якої може суттєво допомогти у вирішенні проблеми нестачі первинних енергоносіїв в Україні. Донедавна знaчнa чaстинa стеблових рослинних відходів aгрaрного виробництвa, лісопильноï тa деревообробноï промисловості з бaгaтьох причин не знaходять подaльшого технологічного зaстосувaння. Mon, 01 Jan 2024 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/46139 2024-01-01T00:00:00Z