| dc.contributor.advisor | Штовба, С. Д. | uk |
| dc.contributor.author | Мазуренко, В. В. | uk |
| dc.date.accessioned | 2020-03-30T16:21:53Z | |
| dc.date.available | 2020-03-30T16:21:53Z | |
| dc.date.issued | 2020 | |
| dc.identifier.citation | Мазуренко В. В. Нечітка модель прогнозування кількості коментарів в мережі Фейсбук [Електронний ресурс] / В. В. Мазуренко ; наук. кер. С. Д. Штовба // Матеріали XLIX науково-технічної конференції підрозділів ВНТУ, Вінниця, 27-28 квітня 2020 р. – Електрон. текст. дані. – 2020. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2020/paper/view/9286. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/29377 | |
| dc.description.abstract | Запропонована інформаційна система проектування нечіткої моделі по типу бази знань Мамдані на прикладі нечіткої моделі прогнозування кількості коментарів під публікаціями в мережі Фейсбук. | uk |
| dc.description.abstract | An information system for fuzzy model design based on the type of Mamdani knowledge base is proposed with the example of fuzzy model for predicting the number of comments under Facebook posts. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали XLIX науково-технічної конференції підрозділів ВНТУ, Вінниця, 27-28 квітня 2020 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2020/paper/view/9286 | |
| dc.subject | Мамдані | uk |
| dc.subject | нечітка логіка | uk |
| dc.subject | бази знань | uk |
| dc.subject | коментарі | uk |
| dc.subject | Фейсбук | uk |
| dc.subject | Mamdani | en |
| dc.subject | fuzzy logic | en |
| dc.subject | knowledge base | en |
| dc.subject | comments | en |
| dc.subject | Facebook | en |
| dc.title | Нечітка модель прогнозування кількості коментарів в мережі фейсбук | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 681.3 | |
| dc.relation.references | Buza, Krisztian. Feedback prediction for blogs. Data analysis, machine learning and knowledge discovery, Springer, Cham, 2014, P. 145-152. | en |
| dc.relation.references | Singh, Kamaljot, Ranjeet Kaur Sandhu, and Dinesh Kumar. Comment volume prediction using neural networks and decision trees. IEEE UKSim-AMSS 17th International Conference on Computer Modelling and Simulation, UKSim2015, 2015. | en |
| dc.relation.references | Штовба, С. Д., В. В. Мазуренко, Р. О. Тылец. Информационная технология нечеткой идентификации для синтеза точных, компактных и интерпретабельных баз знаний. Computer Sciences and Telecommunications 1, 2016, C. 8-22. | ru |
| dc.relation.references | Штовба С.Д. Проектирование нечетких систем средствами MATLAB. Москва: Горячая линия – Телеком, 2007. | ru |
| dc.relation.references | Breiman, L., J. Friedman, R. Olshen, and C. Stone. Classification and Regression Trees. Boca Raton, FL: CRC Press, 1984. | en |
| dc.relation.references | Wang, L. X., & Mendel, J. M. Generating fuzzy rules by learning from examples. Systems, Man and Cybernetics, IEEE Transactions on, 1992, Vol. 22, No. 6, P. 1414-1427. | en |
| dc.relation.references | Cordon O., Gomide E., Herrera E., Homannc E. Magdalena L. Ten years of genetic fuzzy systems: current framework and new trends. Fuzzy Sets and Systems, 2004, Vol. 141, P. 5–31. | en |
