https://ir.lib.vntu.edu.ua//handle/123456789/36420 Tue, 07 Apr 2026 08:51:42 GMT 2026-04-07T08:51:42Z https://ir.lib.vntu.edu.ua//handle/123456789/36450 Інтелектуальний метод з підкріпленням синтезу оптимального конвеєру операцій попереднього оброблення даних у задачах машинного навчання Дратований, М. В.; Мокін, В. Б. Стаття присвячена синтезу та оптимізації конвеєрів операцій попереднього оброблення у задачах побудови моделей машинного навчання. Зазначено, що важливо оптимізувати всю тріаду цих конвеєрів – вибрати оптимальну послідовність оптимальних операцій з оптимальними параметрами. І при цьому, зміна хоча б одного елемента одразу впливає на вибір усіх інших елементів та їх параметрів. У загальному випадку існує велика кількість допустимих варіантів таких конвеєрів для кожної моделі машинного навчання та вхідних даних (випадкових величин чи часових рядів) і, при цьому, як правило, не існує розмічених датасетів для тренування моделі для синтезу таких конвеєрів. Зроблено огляд відомих підходів до розв’язання таких задач та обґрунтовано висновок про те, що найкраще їх формалізувати як задачі машинного навчання з підкріпленням. Наведено типові підходи з формалізації та інтелектуальні методи розв’язання подібних задач. Зазначено, що розв’язання задач з підкріпленням, як правило, ускладнено великою розмірністю можливих множин типів та підтипів операцій з різними параметрами і має значні проблеми зі збіжністю до дійсно оптимального значення за обмежений час. А тому запропоновано декілька удосконалень, які дозволять, за певних умов, вирішити цю проблему. По-перше, запропоновано виділяти змінну та незмінні ланки конвеєра операцій попереднього оброблення. Запропоновано для різних типів моделей машинного навчання які операції варто віднести до першої та останньої незмінних ланок, а які – до змінної ланки і тільки до неї запропоновано застосовувати навчання з підкріпленням. А по-друге, запропоновано алгоритм початкового налаштування параметрів RL-політики, залежно від певних статистичних та інших характеристик вхідних даних. Запропоноване удосконалення методу з підкріпленням синтезу оптимального конвеєра операцій може бути застосовано не тільки для операцій попереднього оброблення, а й до інших задач з подібною формалізацією даних та постановкою задачі. Sat, 01 Jan 2022 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/36450 2022-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/36449 Програмний додаток моніторингу рівня стресу на основі моделей класифікації Шевага, Д. О.; Городецька, О. К.; Добровська, Л. М. У статті наведено дослідження рівня стресу. Після пандемії COVID-19 та постійного перебування у вимушеній ізоляції, рівень стресу став вищим через зростання тривоги. Тому велику цікавість викликає дослідження основних механізмів стресу та моніторинг різних біофізіологічних і біохімічних реакцій організму на стрес. Надійний біомаркер або індикатор стресу міг би забезпечити точний моніторинг стресу, потенційно дозволяючи запобігти патологічним станам на ранніх стадіях. Тривалий стрес може мати серйозні наслідки для здоров’я. Тому здатність визначати, коли людина перебуває в стані стресу, може бути дуже корисним для запобігання проблем зі здоров’ям, особливо у пацієнтів із суїцидальними думками. У цій роботі наведені результати дослідження моніторингу рівня стресу шляхом використання в якості прогнозування моделі класифікації, а в якості біосигналу – варіабельність серцевого ритму (HRV) від датчиків електрокардіографії. Проведено кореляцію всіх змінних для того, щоб у навчанні моделей брали участь лише ті, змінні, які мають високу кореляцію зі стресом. Для досягнення поставленої задачі використано методи: штучної нейронної мережи, k-найближчих сусідів (KNN), випадкового лісу, дерева рішень. Модель класифікації випадковий ліс отримала найвищий показник точності прогнозування наявності чи відсутності стресу у людини – 98 %. На основі цієї моделі розроблено програмний додаток на мові програмування R з інтерфейсом користувача, який дозволяє завантажити дані електрокардіограми та отримати висновок щодо рівня стресу. За допомогою додатку користувач може керувати рівнем особистого стресу та вести здоровий спосіб життя. Sat, 01 Jan 2022 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/36449 2022-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/36448 Програмний додаток визначення стану хворих на ювенільний ревматоїдний артрит у віддаленому періоді Єфремова, С. В.; Городецька, О. К.; Добровська, Л. М. В роботі розглянуто процес створення програмного додатку для оцінки віддаленого стану хворих, яким в дитинстві було встановлено діагноз ювенільний ревматоїдний артрит. Складністю поставленої задачі є те що хворі оцінювалися початково в дитячому віці, потім їм надавалося відповідне лікування, яке має бути встановлене індивідуально для кожного хворого і в результаті цього лікування симптоми захворювання повинні зникнути або бути мінімізовані. Для оцінки ступеня захворювання використані показники JADI-A (індекс суглобових пошкоджень) та JADI-Е (індекс позасуглобових пошкоджень). В роботі застосовані дані 289 хворих. Запропоновано застосування методів лінійного програмування для побудови системи регресійних рівнянь, які дозволяють прогнозувати кількісні характеристики стану хворого в дорослому періоді з урахуванням проведеної тактики лікування. Структура системи моделей складається з моделей, які оцінювали стан JADI-A та JADI-Е у віддаленому періоді, а також додаткові параметри управління. Це показники, які мають бути певним чином обмежені. Представлені моделі також можуть бути використані для підбору персоніфікованої тактики лікування, яка враховуючи початковий стан хворого дозволить мінімізувати кількість суглобових та позасуглобових пошкоджень. Ці моделі були оцінені на точність за допомогою коефіцієнта детермінації та всі вони показали загальну точність більше 0.9 на тестових даних, що свідчить про їх високу якість. Всі моделі лягли в основу програмного додатку, який може бути використаний для збереження даних хворих на всіх етапах обстеження та для оцінки їх стану. Цей програмний продукт розроблено на мові програмування R, з використанням фреймворку Shiny. З його допомогою лікарі зможуть спостерігати цього пацієнта, зберігати результати обстежень та проводити оцінку стану хворого. Sat, 01 Jan 2022 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/36448 2022-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/36447 Регресійний аналіз концентрації свинцю в ґрунтах на відстані від полігонів твердих побутових відходів Березюк, О. В.; Лемешев, М. С.; Дудар, І. Н. Метою дослідження є визначення регресійної залежності свинцю в ґрунтах від вiдстані до полігонів твердих побутових відходів. Під час проведення дослідження використано метод регресійного аналізу результатів однофакторних експериментів та інших парних залежностей із вибором раціонального виду функції із шістнадцяти найпоширеніших варіантів за критерієм максимального значення коефіцієнта кореляції. Регресія проводилась на основі лінеаризувальних перетворень, які дозволяють звести нелінійну залежність до лінійної. Визначення коефіцієнтів рівнянь регресії здійснювалась методом найменших квадратів за допомогою розробленої комп’ютерної програми "RegAnaliz", яка захищена свідоцтвом про реєстрацію авторського права на твір. Sat, 01 Jan 2022 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/36447 2022-01-01T00:00:00Z