| dc.contributor.author | Гладіголов, С. С. | uk |
| dc.contributor.author | Козачко, О. М. | uk |
| dc.date.accessioned | 2025-09-12T10:01:53Z | |
| dc.date.available | 2025-09-12T10:01:53Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/49181 | |
| dc.description.abstract | У роботі запропоновано підхід для покращення точності передбачення давності синців з використанням оцінки невизначеності. Було застосовано байєсовий підхід для оцінки невизначеності передбачень і ці оцінки було інтегровано в модель градієнтного бустингу як додаткові ознаки. Запропонований підхід дозволив покращити модель градієнтного бустингу на 8% порівняно з моделлю, побудованою виключно на оригінальних даних. Робота демонструє, що оцінка невизначеності дозволяє не лише краще розуміти отримані результати, але й має потенціал для покращення точності предиктивних моделей. | uk |
| dc.description.abstract | The paper proposes an approach to improve the accuracy of bruise age prediction using uncertainty estimation. A | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | // Матеріали LIV науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/23202 | |
| dc.subject | машинне навчання | uk |
| dc.subject | аналіз даних | uk |
| dc.subject | медичні дані | uk |
| dc.subject | оцінка невизначеності | uk |
| dc.subject | градієнтний бустинг | uk |
| dc.subject | machine learning | uk |
| dc.subject | data analysis | uk |
| dc.subject | medical data | uk |
| dc.subject | uncertainty estimation | uk |
| dc.subject | gradient boosting | uk |
| dc.title | Використання оцінки невизначеності для покращення моделей прогнозування в медичних задачах | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.85:616-001 | |
| dc.relation.references | 4. Claudio F. A Bayesian approach to predictive uncertainty in chemotherapy patients at risk of acute care utilization / Claudio Fanconi, Anne de Hond, Dylan Peterson, Angelo Capodici, Tina Hernandez-Boussard// EBioMedicine. 2023. Vol. 92. P. 104632. Cindy X. Computational analysis of variability and uncertainty in the clinical reference on magnetic resonance imaging radiomics: modelling and performance / Cindy Xue, Jing Yuan, Gladys G. Lo [et al.] // Visual computing for industry, biomedicine, and art. 2024. Vol. 7, no. 1. Emily J. G. Mining for equitable health: assessing the impact of missing data in electronic health records / Emily J. Getzen, Pallavi V. Kulkarni, Danielle L. Mowery [et al.] // Journal of biomedical informatics. 2023. P. 104269. Mokaniuk O. Complex assessment of the relevance of criteria of the forensic determination of the recentness of bruises and bruises with abrasion formation for the development of expert diagnostic programm / Olexandr Mokaniuk, Hanna Bondarchuk, Roman Kartelian // Congres internaional al medicilor legiti din Republica Moldova. 2021. Ediia a III-a. P. 3439. 5. | |
| dc.relation.references | Matthias B. Accounting for uncertainty: an application of Bayesian methods to accruals models / Matthias Breuer, Harm H. Schtt // Review of accounting studies. 2021. Oriol A. PyMC: a modern, and comprehensive probabilistic programming framework in Python [Electronic resource] / Oriol Abril-Pla, Virgile Andreani, Colin Carroll [et al.] // PeerJ computer science. 2023. Vol. 9. P. e1516. | |
