Проблема перенавчання в машинному навчанні та методи її запобігання

Kryvosheia, M. I.

Проблема перенавчання в машинному навчанні та методи її запобігання

dc.contributor.advisor	Квєтний, Р. Н.	uk
dc.contributor.author	Kryvosheia, M. I.	en
dc.date.accessioned	2025-09-12T10:10:29Z
dc.date.available	2025-09-12T10:10:29Z
dc.date.issued	2025
dc.description.abstract	This paper explores the problem of overfitting in machine learning and modern methods for its prevention, including regularization, dropout, cross-validation, and early stopping. Special attention is given to minimax approximation as a way to improve model stability. Experiments on synthetic and real datasets demonstrate a reduced risk of overfitting and improved generalization performance.	en
dc.identifier.citation	Кривошея М. І. Проблема перенавчання в машинному навчанні та методи її запобігання // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/24551.	uk
dc.identifier.isbn	978-617-8132-48-8
dc.identifier.udc	004.8
dc.identifier.uri	https://ir.lib.vntu.edu.ua/handle/123456789/49324
dc.language.iso	uk_UA	uk_UA
dc.publisher	Вінницький національний технічний університет	uk
dc.relation.ispartof	Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р.	uk
dc.relation.references	Li Z., Zhou Z.-H., Gretton A. Towards an Understanding of Benign Overfitting in Neural Networks // arXiv preprint. [Електронний ресурс] – Режим доступу: https://arxiv.org/abs/2106.03212 (дата звернення: 20.03.2025).	en
dc.relation.references	Wang Y., Li L., Yang J., Lin Z., Wang Y. Balance, Imbalance, and Rebalance: Understanding Robust Overfitting from a Minimax Game Perspective // arXiv preprint. [Електронний ресурс] – Режим доступу: https://arxiv.org/abs/2310.19360 (дата звернення: 20.03.2025).	en
dc.relation.references	Xu Y., Liu Q., Li Q., Zhang Y., Wang H. Overfitting Remedy via Feature Representation Optimization in Deep Neural Networks // IEEE Access. 2022. Vol. 10. P. 38912–38924. [Електронний ресурс] – Режим доступу: https://doi.org/10.1109/ACCESS.2022.3165621 (дата звернення: 20.03.2025).	en
dc.relation.uri	https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/24551
dc.subject	overfitting	en
dc.subject	machine learning	en
dc.subject	minimax approximation	en
dc.subject	generalization	en
dc.subject	regularization	en
dc.subject	model robustness	en
dc.title	Проблема перенавчання в машинному навчанні та методи її запобігання	uk
dc.type	Thesis

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: 24551.pdf
Розмір:: 431,33 KB
Формат:: Adobe Portable Document Format

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 17 B
Формат:: Plain Text
Опис:

Завантажити

Зібрання

НТКП ВНТУ. Факультет інтелектуальних інформаційних технологій та автоматизації (2025)