V. P. Kucheryavyj, Ya.V. Henyk, V. S. Kucheryavyj, T. I. Shuplat, N. D. Hotsii
Просторова морфологія міської забудови старовинного Львова, який розташований у районі Західного Лісостепу, істотно впливає на локальні енергетичні баланси. Особливо це стосується Львівської котловини, на якій розташоване історичне середньовічне місто, природне середовище якого впродовж шести століть урбанізовувалось, змінивши докорінно теплофізичні характеристики компонентів ландшафту. Проаналізовано генезис трансформацій природних компонентів котловини: рослинного покриву, ґрунтів, водної поверхні. Водночас виявлено характер змін мертвої підстильної поверхні, представленої бруківкою, асфальтом, бетоном, металом, які маючи високі теплофізичні характеристики, є основним фактором у формуванні "острова тепла". За результатами аналізу літописних, літературних та іконографічних джерел встановлено основні етапи трансформаційних процесів у ландшафті Львівської котловини впродовж XIII-XX століть. Теплофізичні зміни на цих етапах проявилися у зменшенні альбедо та зростанні питомої теплоємності підстильної поверхні котловини. З'ясовано, що мертва підстильна поверхня тут досягає 92 %, тоді як природна (зелені насадження) – 8 %. Відповідно альбедо природної поверхні зменшилось від 3000 до 240 %, а теплоємність мертвої підстильної поверхні зросла – від 0 до 226 Дж/кг × K. Взято до уваги територію котловини площею 100 га. Мікрокліматичними дослідженнями, що проводили в межах котловини, виявлено різницю едафічних і кліматичних показників ділянок з різною підстильною поверхнею – мертвою і природною. Зовнішні межі цих едафо-кліматичних зон трактували як межі "острова тепла та сухості" – нижнього його ярусу. Внутрішні межі острова тепла охоплювали насадження ІV еколого-фітоценотичного поясу (ЕФП), а зовнішні – насадження ІІІ ЕФП. Застосовано еколого-порівняльні дослідження рівня життєвості деревних рослин IV ЕФП, тобто території найбільше урбанізованої, і ІІІ ЕФП – зелених острівків невеликих скверів, а також ІІ ЕФП – парків і ботанічного саду. Виявлено негативні зміни в морфології, фізіології та темпах росту деревних рослин, що ростуть у межах "острова тепла". Запропоновано шляхи оптимізації урбанізованого середовища.
{"title":"Екопросторові та теплофізичні особливості формування \"острова тепла\" Львівського середмістя і життєвість деревних рослин","authors":"V. P. Kucheryavyj, Ya.V. Henyk, V. S. Kucheryavyj, T. I. Shuplat, N. D. Hotsii","doi":"10.36930/40330304","DOIUrl":"https://doi.org/10.36930/40330304","url":null,"abstract":"Просторова морфологія міської забудови старовинного Львова, який розташований у районі Західного Лісостепу, істотно впливає на локальні енергетичні баланси. Особливо це стосується Львівської котловини, на якій розташоване історичне середньовічне місто, природне середовище якого впродовж шести століть урбанізовувалось, змінивши докорінно теплофізичні характеристики компонентів ландшафту. Проаналізовано генезис трансформацій природних компонентів котловини: рослинного покриву, ґрунтів, водної поверхні. Водночас виявлено характер змін мертвої підстильної поверхні, представленої бруківкою, асфальтом, бетоном, металом, які маючи високі теплофізичні характеристики, є основним фактором у формуванні \"острова тепла\". За результатами аналізу літописних, літературних та іконографічних джерел встановлено основні етапи трансформаційних процесів у ландшафті Львівської котловини впродовж XIII-XX століть. Теплофізичні зміни на цих етапах проявилися у зменшенні альбедо та зростанні питомої теплоємності підстильної поверхні котловини. З'ясовано, що мертва підстильна поверхня тут досягає 92 %, тоді як природна (зелені насадження) – 8 %. Відповідно альбедо природної поверхні зменшилось від 3000 до 240 %, а теплоємність мертвої підстильної поверхні зросла – від 0 до 226 Дж/кг × K. Взято до уваги територію котловини площею 100 га. Мікрокліматичними дослідженнями, що проводили в межах котловини, виявлено різницю едафічних і кліматичних показників ділянок з різною підстильною поверхнею – мертвою і природною. Зовнішні межі цих едафо-кліматичних зон трактували як межі \"острова тепла та сухості\" – нижнього його ярусу. Внутрішні межі острова тепла охоплювали насадження ІV еколого-фітоценотичного поясу (ЕФП), а зовнішні – насадження ІІІ ЕФП. Застосовано еколого-порівняльні дослідження рівня життєвості деревних рослин IV ЕФП, тобто території найбільше урбанізованої, і ІІІ ЕФП – зелених острівків невеликих скверів, а також ІІ ЕФП – парків і ботанічного саду. Виявлено негативні зміни в морфології, фізіології та темпах росту деревних рослин, що ростуть у межах \"острова тепла\". Запропоновано шляхи оптимізації урбанізованого середовища.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49328383","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Проаналізовано ефективність застосування методу фрактальної інтерполяції Барнслі для фінансових часових рядів. Продемонстровано результати роботи класичних методів інтерполяції, враховуючи лінійний, ступінчасті, кусково-кубічний, кубічної згортки, модифікований алгоритми кубічної інтерполяції Акіма та метод інтерполяції сплайнами. Виконано порівняння результатів роботи методу фрактальної інтерполяції Барнслі із результатами роботи класичних методів інтерполяції на прикладі часового ряду ціни Біткоїн. Часовий ряд – це дані курсів криптовалюти Біткоїн до долара США станом на кожну хвилину за період з 2015 по 2022 рр., тому часовий ряд є регулярним і налічує понад 3,5 млн вузлових точок. Для застосування методів вибрано деякий фрагмент часового ряду, після чого навмисно зменшено кількість вузлових точок, що надалі дало змогу порівняти отримані значення інтерпольованих точок з їх істинними значеннями. Обчислено відносні похибки розрахованих точок інтерполяції для оцінення роботи методів. Зроблено висновки стосовно доцільності використання розглянутих методів для відновлення відсутніх значень цін криптовалюти Біткоїн та неповних даних фрактальних часових рядів загалом. Удосконалено алгоритм Барнслі у спосіб його поєднання з лінійним методом інтерполяції. Такий підхід дає змогу розрахувати значення для наперед визначених точок інтерполяції, водночас зберігши високий рівень точності. Розраховано значення найоптимальнішого коефіцієнта вертикального стиснення з використанням симплексного методу пошуку Лагаріаса, що дало змогу підібрати таку фрактальну інтерполяційну функцію, із застосуванням якої похибку результатів інтерполяції буде зведено до мінімуму. Встановлено, що метод Барнслі, на відміну від класичних методів, зберігає фрактальну структуру і властивості інтерпольованого часового ряду та за умови оптимального підбору вільних параметрів, має найменшу похибку серед порівнюваних методів. Отримані результати можуть бути корисними для аналізу та прогнозування цін на фінансових ринках, а розглянуті методи можуть бути застосовані для інтерполяції даних і в інших галузях, таких як медицина, фізика, соціологія та інші.
{"title":"Дослідження ефективності застосування методу фрактальної інтерполяції Барнслі для часових рядів","authors":"M. I. Opryshko","doi":"10.36930/40330309","DOIUrl":"https://doi.org/10.36930/40330309","url":null,"abstract":"Проаналізовано ефективність застосування методу фрактальної інтерполяції Барнслі для фінансових часових рядів. Продемонстровано результати роботи класичних методів інтерполяції, враховуючи лінійний, ступінчасті, кусково-кубічний, кубічної згортки, модифікований алгоритми кубічної інтерполяції Акіма та метод інтерполяції сплайнами. Виконано порівняння результатів роботи методу фрактальної інтерполяції Барнслі із результатами роботи класичних методів інтерполяції на прикладі часового ряду ціни Біткоїн. Часовий ряд – це дані курсів криптовалюти Біткоїн до долара США станом на кожну хвилину за період з 2015 по 2022 рр., тому часовий ряд є регулярним і налічує понад 3,5 млн вузлових точок. Для застосування методів вибрано деякий фрагмент часового ряду, після чого навмисно зменшено кількість вузлових точок, що надалі дало змогу порівняти отримані значення інтерпольованих точок з їх істинними значеннями. Обчислено відносні похибки розрахованих точок інтерполяції для оцінення роботи методів. Зроблено висновки стосовно доцільності використання розглянутих методів для відновлення відсутніх значень цін криптовалюти Біткоїн та неповних даних фрактальних часових рядів загалом. Удосконалено алгоритм Барнслі у спосіб його поєднання з лінійним методом інтерполяції. Такий підхід дає змогу розрахувати значення для наперед визначених точок інтерполяції, водночас зберігши високий рівень точності. Розраховано значення найоптимальнішого коефіцієнта вертикального стиснення з використанням симплексного методу пошуку Лагаріаса, що дало змогу підібрати таку фрактальну інтерполяційну функцію, із застосуванням якої похибку результатів інтерполяції буде зведено до мінімуму. Встановлено, що метод Барнслі, на відміну від класичних методів, зберігає фрактальну структуру і властивості інтерпольованого часового ряду та за умови оптимального підбору вільних параметрів, має найменшу похибку серед порівнюваних методів. Отримані результати можуть бути корисними для аналізу та прогнозування цін на фінансових ринках, а розглянуті методи можуть бути застосовані для інтерполяції даних і в інших галузях, таких як медицина, фізика, соціологія та інші.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49417168","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Охарактеризовано особливості розподілу насаджень Байрачного Степу за лісорослинним районуванням, типом лісу, головними лісотвірними породами. Досліджено фракційний склад лісової підстилки, проведено її хімічний аналіз, встановлено інтенсивність ґрунтоутворення. Виявлено, що найбільше лісової підстилки формується у насадженні сосни кримської – 19,6 т/га (ПП 1) та у культурах з дуба звичайного – 14,07 т/га (ПП 3) і ясена звичайного – 14,67 (ПП 5). Найменше підстилки виявлено в культурах дуба скельного – 7,29 т/га (ПП 4), тоді як у культурах гледичії триколючкової її запас становив 9,88 т/га. Найнижчі значення рН виявлено у підстилці сосни кримської (5,01-4,78) (ПП 1). Загальна зольність верхнього горизонту лісових підстилок Н02 змінюється в межах від 14,2 % (ПП 1) до 17,3 % (ПП 4). У нижньому горизонті Н03 вона збільшується у 2,0-2,5 раза внаслідок звільнених під час розкладання хімічних сполук. За результатами аналізу водної витяжки з'ясовано, що вміст водорозчинних речовин у досліджуваних типах підстилок змінюється від 0,23 (ПП 4 верхній горизонт Н02) до 0,38 % (ПП 2 верхній горизонт Н02, ПП 3 нижній горизонт Н03, ПП 4 нижній горизонт Н03). Горизонт Н02 за кількістю водорозчинних елементів поступається горизонту Н03. Збільшення прокаленого залишку в нижньому горизонті йде, практично, завдяки сполуці заліза (Fe2+) від 2,89 у культурах дуба звичайного (ПП 3) до 5,05 мг/екв. на 100 г сухої речовини у культурах сосни кримської (ПП 1), сполука кальцію (Cа2+) змінюється в обох горизонтах в межах 1,26-3,25 та сірки (SО42–) – 1,63-5,67 мг/екв. на 100 г сухої речовини. Наявність Zn2+, Mg2+, Br+, Сl–, Cu2+, Mo+ у підстилці загалом недостатня, особливо, K+, Nа+. Запаси досліджуваних хімічних сполук у верхньому горизонті Н02 тенденційно перевищують їх наявність у нижніх горизонтах Н03. Встановлено, що з мінералізованої підстилки один гектар лісових насаджень отримує від 22,93 до 57,95 кг водорозчинних солей, зокрема: заліза, сірки, цинку, магнію, брому, натрію, хлору, міді, кальцію, молібдену, калію. Водночас звертаємо увагу на виявлений малий вміст Cа2+ у культурах сосни кримської (ПП 1). Результати дослідження фракційного та хімічного складу лісової підстилки є основою для розроблення рекомендацій щодо внесення хімічних мікроелементів під час вирощування високопродуктивних лісових насаджень.
{"title":"Особливості фракційного впливу підстилки на надходження мікроелементів у ґрунт в умовах Жеребківського лісництва ДП \"Ананьївське лісове господарство\"","authors":"V. P. Shlapak, O. M. Savchenko, S. Adamenko","doi":"10.36930/40330301","DOIUrl":"https://doi.org/10.36930/40330301","url":null,"abstract":"Охарактеризовано особливості розподілу насаджень Байрачного Степу за лісорослинним районуванням, типом лісу, головними лісотвірними породами. Досліджено фракційний склад лісової підстилки, проведено її хімічний аналіз, встановлено інтенсивність ґрунтоутворення. Виявлено, що найбільше лісової підстилки формується у насадженні сосни кримської – 19,6 т/га (ПП 1) та у культурах з дуба звичайного – 14,07 т/га (ПП 3) і ясена звичайного – 14,67 (ПП 5). Найменше підстилки виявлено в культурах дуба скельного – 7,29 т/га (ПП 4), тоді як у культурах гледичії триколючкової її запас становив 9,88 т/га. Найнижчі значення рН виявлено у підстилці сосни кримської (5,01-4,78) (ПП 1). Загальна зольність верхнього горизонту лісових підстилок Н02 змінюється в межах від 14,2 % (ПП 1) до 17,3 % (ПП 4). У нижньому горизонті Н03 вона збільшується у 2,0-2,5 раза внаслідок звільнених під час розкладання хімічних сполук. За результатами аналізу водної витяжки з'ясовано, що вміст водорозчинних речовин у досліджуваних типах підстилок змінюється від 0,23 (ПП 4 верхній горизонт Н02) до 0,38 % (ПП 2 верхній горизонт Н02, ПП 3 нижній горизонт Н03, ПП 4 нижній горизонт Н03). Горизонт Н02 за кількістю водорозчинних елементів поступається горизонту Н03. Збільшення прокаленого залишку в нижньому горизонті йде, практично, завдяки сполуці заліза (Fe2+) від 2,89 у культурах дуба звичайного (ПП 3) до 5,05 мг/екв. на 100 г сухої речовини у культурах сосни кримської (ПП 1), сполука кальцію (Cа2+) змінюється в обох горизонтах в межах 1,26-3,25 та сірки (SО42–) – 1,63-5,67 мг/екв. на 100 г сухої речовини. Наявність Zn2+, Mg2+, Br+, Сl–, Cu2+, Mo+ у підстилці загалом недостатня, особливо, K+, Nа+. Запаси досліджуваних хімічних сполук у верхньому горизонті Н02 тенденційно перевищують їх наявність у нижніх горизонтах Н03. Встановлено, що з мінералізованої підстилки один гектар лісових насаджень отримує від 22,93 до 57,95 кг водорозчинних солей, зокрема: заліза, сірки, цинку, магнію, брому, натрію, хлору, міді, кальцію, молібдену, калію. Водночас звертаємо увагу на виявлений малий вміст Cа2+ у культурах сосни кримської (ПП 1). Результати дослідження фракційного та хімічного складу лісової підстилки є основою для розроблення рекомендацій щодо внесення хімічних мікроелементів під час вирощування високопродуктивних лісових насаджень.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"42099359","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Проаналізовано розвиток систем дистанційного навчання із застосуванням інформаційно-комунікаційних технологій. Узагальнено основні переваги та недоліки, які впливають на формування загальних і спеціальних (фахових) компетентностей під час дистанційної форми навчання. Означено проблему необхідності дослідити вплив дистанційної форми навчання на формування спеціальних і фахових компетентностей під час підготовки фахівців за напрямом 12 – інформаційні технології. На підставі узагальненого досвіду застосування дистанційного навчання з використанням інформаційно-комунікаційних систем сформовано перелік питань для дослідження означеної вище проблематики. За результатами дослідження, проведеного за допомогою анонімного опитування здобувачів вищої освіти засобами програмного забезпечення Googlform, встановлено, що використання систем дистанційного навчання переважно сприяють засвоєнню знань під час підготовки фахівців з інформаційних технологій і їх варто активно використовувати на постійних засадах (після завершення карантинних обмежень чи припинення військових дій). Для цього потрібно внести відповідні зміни до освітньо-професійних програм з підготовки фахівців з інформаційних технологій, навчальних і робочих програм, іншого навчально-методичного забезпечення. У цій роботі означено потреби подальшого дослідження вказаної проблематики через певні застереження (обмеження), які окреслено за результатами проведеного опитування. Зокрема: дослідження здійснювали на підставі однієї освітньо-професійної програми; результати дослідження отримано на підставі аналізу діяльності одного закладу вищої освіти; кількість респондентів не є достатньо великою для того, щоб впроваджувати результати дослідження на підготовку фахівців з інформаційних технологій на загальнодержавному рівні. Водночас у роботі закладено основи для подальших досліджень з цієї проблематики та впровадження їх результатів у процес підготовки фахівців з інформаційних технологій.
{"title":"Особливості застосування систем дистанційного навчання у формуванні компетентностей під час підготовки фахівців з інформаційних технологій","authors":"V. V. Senyk, T. V. Maherovska, D. V. Maherovskiy","doi":"10.36930/40330311","DOIUrl":"https://doi.org/10.36930/40330311","url":null,"abstract":"Проаналізовано розвиток систем дистанційного навчання із застосуванням інформаційно-комунікаційних технологій. Узагальнено основні переваги та недоліки, які впливають на формування загальних і спеціальних (фахових) компетентностей під час дистанційної форми навчання. Означено проблему необхідності дослідити вплив дистанційної форми навчання на формування спеціальних і фахових компетентностей під час підготовки фахівців за напрямом 12 – інформаційні технології. На підставі узагальненого досвіду застосування дистанційного навчання з використанням інформаційно-комунікаційних систем сформовано перелік питань для дослідження означеної вище проблематики. За результатами дослідження, проведеного за допомогою анонімного опитування здобувачів вищої освіти засобами програмного забезпечення Googlform, встановлено, що використання систем дистанційного навчання переважно сприяють засвоєнню знань під час підготовки фахівців з інформаційних технологій і їх варто активно використовувати на постійних засадах (після завершення карантинних обмежень чи припинення військових дій). Для цього потрібно внести відповідні зміни до освітньо-професійних програм з підготовки фахівців з інформаційних технологій, навчальних і робочих програм, іншого навчально-методичного забезпечення. У цій роботі означено потреби подальшого дослідження вказаної проблематики через певні застереження (обмеження), які окреслено за результатами проведеного опитування. Зокрема: дослідження здійснювали на підставі однієї освітньо-професійної програми; результати дослідження отримано на підставі аналізу діяльності одного закладу вищої освіти; кількість респондентів не є достатньо великою для того, щоб впроваджувати результати дослідження на підготовку фахівців з інформаційних технологій на загальнодержавному рівні. Водночас у роботі закладено основи для подальших досліджень з цієї проблематики та впровадження їх результатів у процес підготовки фахівців з інформаційних технологій.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"42877791","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Зосереджено увагу на обґрунтуванні доцільності використання статистичних методів, зокрема прогнозування, для покращення процесу управління проєктами. Описано специфіку задач у процесі управління ІТ-проєктами. Розглянуто функції планування та проблему прогнозування ресурсів. Наведено приклади алгоритмів та методів прогнозування, зосереджено увагу на типових викликах, пов'язаних з їх використанням. Відображено зв'язок між розвитком інформаційних технологій та можливістю прогнозування даних. Подано прикладне значення дослідження у вигляді концепції інформаційної системи прогнозування для використання в середовищі процесу управління проектами. Висвітлено основні переваги та складності, які притаманні розробленню такої системи. Оцінено актуальність подібних систем. Обрано сегмент процесу управління – обсяг виконуваних робіт, й розглянуто проблематику прогнозування обсягу незапланованої роботи. Виражено кількість незапланованих робіт у вигляді апаратних збоїв (інцидентів). Подано проєкт технічної підтримки апаратного забезпечення з історичними даними за два квартали як об'єкт дослідження. Досліджено залежність між кількістю інцидентів та чисельністю серверів. Застосовано метод лінійної регресії для процесу прогнозування. Охарактеризовано закономірності виникнення інцидентів залежно від змін у загальній кількості апаратних одиниць. Виконано прогнозні розрахунки та подано таблицю зі значеннями прогнозованої кількості інцидентів на наступний квартал. Відображено процес у розгорнутому вигляді, описано дії для виконання необхідних обчислень з поясненнями та послідовними кроками. Проаналізовано результати використання методу лінійного регресійного аналізу в процесі управління ІТ-проєктами для підвищення точності та планування. Доведено вплив кількості опрацьованих історичних даних на якість прогнозу. Порівняно точність прогнозування даних із результатами аналогічних попередніх досліджень. Наведено перспективи розвитку питання, галузі застосування та зроблено висновки на підставі отриманих результатів.
{"title":"Доцільність застосування систем прогнозування як складової частини процесу управління ІТ-проєктами","authors":"O. O. Hud, N. Kunanets","doi":"10.36930/40330310","DOIUrl":"https://doi.org/10.36930/40330310","url":null,"abstract":"Зосереджено увагу на обґрунтуванні доцільності використання статистичних методів, зокрема прогнозування, для покращення процесу управління проєктами. Описано специфіку задач у процесі управління ІТ-проєктами. Розглянуто функції планування та проблему прогнозування ресурсів. Наведено приклади алгоритмів та методів прогнозування, зосереджено увагу на типових викликах, пов'язаних з їх використанням. Відображено зв'язок між розвитком інформаційних технологій та можливістю прогнозування даних. Подано прикладне значення дослідження у вигляді концепції інформаційної системи прогнозування для використання в середовищі процесу управління проектами. Висвітлено основні переваги та складності, які притаманні розробленню такої системи. Оцінено актуальність подібних систем. Обрано сегмент процесу управління – обсяг виконуваних робіт, й розглянуто проблематику прогнозування обсягу незапланованої роботи. Виражено кількість незапланованих робіт у вигляді апаратних збоїв (інцидентів). Подано проєкт технічної підтримки апаратного забезпечення з історичними даними за два квартали як об'єкт дослідження. Досліджено залежність між кількістю інцидентів та чисельністю серверів. Застосовано метод лінійної регресії для процесу прогнозування. Охарактеризовано закономірності виникнення інцидентів залежно від змін у загальній кількості апаратних одиниць. Виконано прогнозні розрахунки та подано таблицю зі значеннями прогнозованої кількості інцидентів на наступний квартал. Відображено процес у розгорнутому вигляді, описано дії для виконання необхідних обчислень з поясненнями та послідовними кроками. Проаналізовано результати використання методу лінійного регресійного аналізу в процесі управління ІТ-проєктами для підвищення точності та планування. Доведено вплив кількості опрацьованих історичних даних на якість прогнозу. Порівняно точність прогнозування даних із результатами аналогічних попередніх досліджень. Наведено перспективи розвитку питання, галузі застосування та зроблено висновки на підставі отриманих результатів.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47244049","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
V. Skrobala, S. B. Marutyak, A. P. Dyda, M. P. Kurnytska, O. I. Kaspruk
Пізнання закономірностей формування структури флори та рослинності газонів залежно від впливу екологічних факторів, відношення її ценопопуляцій до екстремального зовнішнього впливу є важливим науковим завданням, що безпосередньо стосується практичного вирішення конструктивних питань оптимізації життєвого середовища міста. Рослинний покрив газонів Львова вивчали у процесі маршрутних обстежень. На підставі аналізу 425 геоботанічних описів рослинності газонів міста встановлено зростання 251 виду. Найбільша частота трапляння характерна для Taraxacum officinale Webb. ex Wigg., Lolium perenne L., Plantago major L., Dactylis glomerata L., Achillea submillefolium Klok. et Krytzka, Trifolium repens L., Trifolium pratense L., Ranunculus repens L., Potentilla anserina L., Plantago lanceolata L., Leontodon autumnalis L., Poa annua L. Домінантами дернових покриттів в умовах Львова найчастіше є Lolium perenne L., Festuca rubra L. s.str., Aegopodium podagraria L., Poa annua L., Agrostis stolonifera L., Dactylis glomerata L., Trifolium repens L., Trifolium pratense L., Festuca pratensis Huds. Дослідження екологічної структури рослинного покриву проведено за методикою Г. Елленберга із використанням екологічних шкал освітленості, термічного режиму, континентальності, вологозабезпеченості і кислотності ґрунту, вмісту мінерального азоту. Ступінь толерантності видів до антропогенного фактору досліджено на підставі їх розподілу за показником гемеробії. У структурі флори газонів Львова переважають центрально-європейські і східно-європейські види, характерні для передгір'їв та підгірських рівнин. Це переважно світлолюбні види свіжих і вологуватих місцевиростань, з помірнокислими, слабкокислими і слабколужними ґрунтами, від помірно забезпечених до багатих на азот, які витримують помірно сильний антропогенний вплив. Антропогенне навантаження в умовах газонів пов'язане з підвищенням температури, зменшенням вологозабезпеченості ґрунту, збільшенням вмісту азоту. Отримані результати дадуть змогу оптимально підібрати видовий склад травосуміші для створення газону відповідно до характеристик екотопу та зменшити витрати на агротехнічні заходи.
{"title":"Екологічна структура та рівень гемеробії флори газонів Львова","authors":"V. Skrobala, S. B. Marutyak, A. P. Dyda, M. P. Kurnytska, O. I. Kaspruk","doi":"10.36930/40330305","DOIUrl":"https://doi.org/10.36930/40330305","url":null,"abstract":"Пізнання закономірностей формування структури флори та рослинності газонів залежно від впливу екологічних факторів, відношення її ценопопуляцій до екстремального зовнішнього впливу є важливим науковим завданням, що безпосередньо стосується практичного вирішення конструктивних питань оптимізації життєвого середовища міста. Рослинний покрив газонів Львова вивчали у процесі маршрутних обстежень. На підставі аналізу 425 геоботанічних описів рослинності газонів міста встановлено зростання 251 виду. Найбільша частота трапляння характерна для Taraxacum officinale Webb. ex Wigg., Lolium perenne L., Plantago major L., Dactylis glomerata L., Achillea submillefolium Klok. et Krytzka, Trifolium repens L., Trifolium pratense L., Ranunculus repens L., Potentilla anserina L., Plantago lanceolata L., Leontodon autumnalis L., Poa annua L. Домінантами дернових покриттів в умовах Львова найчастіше є Lolium perenne L., Festuca rubra L. s.str., Aegopodium podagraria L., Poa annua L., Agrostis stolonifera L., Dactylis glomerata L., Trifolium repens L., Trifolium pratense L., Festuca pratensis Huds. Дослідження екологічної структури рослинного покриву проведено за методикою Г. Елленберга із використанням екологічних шкал освітленості, термічного режиму, континентальності, вологозабезпеченості і кислотності ґрунту, вмісту мінерального азоту. Ступінь толерантності видів до антропогенного фактору досліджено на підставі їх розподілу за показником гемеробії. У структурі флори газонів Львова переважають центрально-європейські і східно-європейські види, характерні для передгір'їв та підгірських рівнин. Це переважно світлолюбні види свіжих і вологуватих місцевиростань, з помірнокислими, слабкокислими і слабколужними ґрунтами, від помірно забезпечених до багатих на азот, які витримують помірно сильний антропогенний вплив. Антропогенне навантаження в умовах газонів пов'язане з підвищенням температури, зменшенням вологозабезпеченості ґрунту, збільшенням вмісту азоту. Отримані результати дадуть змогу оптимально підібрати видовий склад травосуміші для створення газону відповідно до характеристик екотопу та зменшити витрати на агротехнічні заходи.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"45998025","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
На підставі на власних досліджень та аналізу опублікованих даних наведено класифікацію заплавних лісових біотопів України. Вони становлять велику наукову цінність, оскільки займають дедалі меншу територію, водночас мають надзвичайно важливе екосистемне значення. Проаналізовано їх характеристику у різних екологічних умовах та природних зонах України. Висвітлено сучасний стан рослинності заплав, закцентовано на їх вразливості. За результатами здійснених досліджень виявлено 6 типів біотопів заплавних лісів за Національним каталогом України, виділених на підставі аналізу структури рослинного покриву. Характеристика біотопів складається із наведених синтаксономічних одиниць за еколого-флористичною класифікацією, які представлені 4 класами, 5 порядками та 6 союзами. Визначено їх природоохоронний статус відповідно до Директиви Європейського Союзу 92/43/ECC та Резолюції 4 Бернської конвенції. Наведено перелік рідкісних видів для різних типів біотопів, екологічну характеристику, особливості відновлення та невиснажливого використання, виявлено основні загрози. Подано короткий опис їх поширення та особливості насіннєвого та вегетативного розмноження домінантних видів. Установлено відповідність одиниць з Національного каталогу України до одиниць лісотипологічної класифікації Погребняка. Отримані дані можна використати у практиці прогнозування лісогосподарських заходів і виконання лісовпорядних робіт. Установлено, що всі заплавні оселища належать до рідкісних та входять до різних охоронних списків. У їх складі виявлено 23 види рослин, занесених до Червоної книги України, тому вони потребують рекомендацій щодо зміни господарських практик для більш сталого менеджменту. Виявлено, що для досліджених біотопів найбільш критичним (лімітуючим) фактором є вологість клімату, оскільки всі вони є під загрозою внаслідок зміни гідрологічного режиму та меліорації територій. Особливу загрозу для цих біотопів становить активне проникнення адвентивних видів рослин з високою інвазійною спроможністю.
{"title":"Збереження та невиснажливе використання заплавних лісів України з урахуванням підходів оселищної концепції охорони природи","authors":"L. M. Borsukevych","doi":"10.36930/40330302","DOIUrl":"https://doi.org/10.36930/40330302","url":null,"abstract":"На підставі на власних досліджень та аналізу опублікованих даних наведено класифікацію заплавних лісових біотопів України. Вони становлять велику наукову цінність, оскільки займають дедалі меншу територію, водночас мають надзвичайно важливе екосистемне значення. Проаналізовано їх характеристику у різних екологічних умовах та природних зонах України. Висвітлено сучасний стан рослинності заплав, закцентовано на їх вразливості. За результатами здійснених досліджень виявлено 6 типів біотопів заплавних лісів за Національним каталогом України, виділених на підставі аналізу структури рослинного покриву. Характеристика біотопів складається із наведених синтаксономічних одиниць за еколого-флористичною класифікацією, які представлені 4 класами, 5 порядками та 6 союзами. Визначено їх природоохоронний статус відповідно до Директиви Європейського Союзу 92/43/ECC та Резолюції 4 Бернської конвенції. Наведено перелік рідкісних видів для різних типів біотопів, екологічну характеристику, особливості відновлення та невиснажливого використання, виявлено основні загрози. Подано короткий опис їх поширення та особливості насіннєвого та вегетативного розмноження домінантних видів. Установлено відповідність одиниць з Національного каталогу України до одиниць лісотипологічної класифікації Погребняка. Отримані дані можна використати у практиці прогнозування лісогосподарських заходів і виконання лісовпорядних робіт. Установлено, що всі заплавні оселища належать до рідкісних та входять до різних охоронних списків. У їх складі виявлено 23 види рослин, занесених до Червоної книги України, тому вони потребують рекомендацій щодо зміни господарських практик для більш сталого менеджменту. Виявлено, що для досліджених біотопів найбільш критичним (лімітуючим) фактором є вологість клімату, оскільки всі вони є під загрозою внаслідок зміни гідрологічного режиму та меліорації територій. Особливу загрозу для цих біотопів становить активне проникнення адвентивних видів рослин з високою інвазійною спроможністю.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"42908567","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Виявлення відповідності пікселів реальним одиницям на зображенні є важливим кроком для подальшого аналізу геометричних характеристик об'єктів. Запропоновано удосконалений ітераційний метод для автоматичного визначення масштабу лінійки на зображенні, який базується на розпізнаванні цифр. Розроблено та протестовано отримані результати на зображеннях із біомедичної сфери. Встановлено можливість застосування методу і до інших галузей, зокрема тих, які згадані у проаналізованих схожих дослідженнях – криміналістиці, ветеринарії, музейній справі тощо. Проаналізовано першу версію методу та встановлено і виправлено деякі важливі недоліки в його алгоритмах, що зокрема дало змогу ефективніше опрацьовувати зображення із лінійками, що містять двоцифрові числа. Навчено та інтегровано у метод нову версію моделі для розпізнавання цифр – YOLOv7, що дало змогу виправити проблеми із оберненими зображеннями. Збільшено кількість опрацьованих методом зображень до 90 %. Досліджено альтернативні методи групування тестових сегментів, що є фінальним кроком методу. Опрацьовано експериментальні дані при застосуванні різних методів групування (кластеризація DBSCAN (англ. Density-Based Spatial Clustering of Applications With Noise), медіана, модифікований z-критерій та міжквартильний розмах) та похибки, порівняно із вручну виміряними значеннями. Отримано медіану похибки 4,2-4,4 %, у разі використання медіани та кластеризації методом DBSCAN, а при окремих конфігураціях методу DBSCAN – 3,1-3,7 %. Розроблено вебсторінку з демонстраційною версією методу для залучення більшої кількості даних та практичного використання методу у вирішенні реальних завдань. Надано можливість вибору одного з чотирьох методів групування та їх параметрів (для DBSCAN) та зображення для тестування методу. Реалізовано візуалізацію випадкового тестового сегменту на завантаженому зображенні для зручнішого суб'єктивного оцінювання отриманого результату користувачем. Запропоновано: провести додаткове навчання моделей виявлення цифр; реалізувати підтримку опрацювання чисел, з будь-якою кількістю цифрових символів; врахувати деякі з підходів, використаних в аналогічних методах; реалізувати REST API для виклику методу.
{"title":"ScaleSense: удосконалений метод автоматичного визначення масштабу лінійки на зображеннях для вирішення завдання оцінювання геометричних розмірів певних об'єктів","authors":"B. S. Lukashchuk","doi":"10.36930/40330313","DOIUrl":"https://doi.org/10.36930/40330313","url":null,"abstract":"Виявлення відповідності пікселів реальним одиницям на зображенні є важливим кроком для подальшого аналізу геометричних характеристик об'єктів. Запропоновано удосконалений ітераційний метод для автоматичного визначення масштабу лінійки на зображенні, який базується на розпізнаванні цифр. Розроблено та протестовано отримані результати на зображеннях із біомедичної сфери. Встановлено можливість застосування методу і до інших галузей, зокрема тих, які згадані у проаналізованих схожих дослідженнях – криміналістиці, ветеринарії, музейній справі тощо. Проаналізовано першу версію методу та встановлено і виправлено деякі важливі недоліки в його алгоритмах, що зокрема дало змогу ефективніше опрацьовувати зображення із лінійками, що містять двоцифрові числа. Навчено та інтегровано у метод нову версію моделі для розпізнавання цифр – YOLOv7, що дало змогу виправити проблеми із оберненими зображеннями. Збільшено кількість опрацьованих методом зображень до 90 %. Досліджено альтернативні методи групування тестових сегментів, що є фінальним кроком методу. Опрацьовано експериментальні дані при застосуванні різних методів групування (кластеризація DBSCAN (англ. Density-Based Spatial Clustering of Applications With Noise), медіана, модифікований z-критерій та міжквартильний розмах) та похибки, порівняно із вручну виміряними значеннями. Отримано медіану похибки 4,2-4,4 %, у разі використання медіани та кластеризації методом DBSCAN, а при окремих конфігураціях методу DBSCAN – 3,1-3,7 %. Розроблено вебсторінку з демонстраційною версією методу для залучення більшої кількості даних та практичного використання методу у вирішенні реальних завдань. Надано можливість вибору одного з чотирьох методів групування та їх параметрів (для DBSCAN) та зображення для тестування методу. Реалізовано візуалізацію випадкового тестового сегменту на завантаженому зображенні для зручнішого суб'єктивного оцінювання отриманого результату користувачем. Запропоновано: провести додаткове навчання моделей виявлення цифр; реалізувати підтримку опрацювання чисел, з будь-якою кількістю цифрових символів; врахувати деякі з підходів, використаних в аналогічних методах; реалізувати REST API для виклику методу.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47076945","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Здійснено оцінювання та виконано аналіз літературних джерел, в яких досліджено методи машинного навчання для прогнозування дефектів програмного забезпечення. Визначено основні характеристики дефектів програмного забезпечення, такі як показники складності, ключові слова, зміни, розмір програмного коду та структурні залежності. Охарактеризовано основні методи та засоби прогнозування дефектів програмного забезпечення на основі метрик методами машинного навчання. Описано загальну схему прогнозування дефектів програмного забезпечення, яка дає змогу проводити експерименти та визначати наявність чи відсутність дефекту в програмному модулі. Продуктивність моделі передбачення дефектів програмного забезпечення істотно залежить від вибору набору даних, що є першим кроком проведення дослідження. Встановлено, що попередні дослідження здебільшого базуються на наборах даних з відкритим кодом, а програмні показники, які використовують для створення моделей, переважно є метриками продукту. Набір даних PROMISE (обіцянки) використовується в дослідженнях найчастіше, хоча дані проектів у наборі є застарілими та датуються 2004, 2005 та 2006 роками. Під час виконання цієї роботи проаналізовано сучасні наукові дослідження у галузі. Виявлено методи класифікації, що використовують під час прогнозування дефектів програмного забезпечення. Встановлено, що логістична регресія (англ. Logistic Regression), за якою слідує наївний Баєс (англ. Naive Bayes) та випадковий ліс (англ. Random Forest), є найбільш застосовуваними методами класифікації в таких моделях. Важливим етапом для розуміння ефективності моделі є її оцінювання. Виявлено показники оцінювання ефективності моделі прогнозування дефектів програмного забезпечення, що найчастіше використовують дослідженнях. З'ясовано, що f-measure, за якою слідує recall та AUC, є найпоширенішим показником, який використовується для оцінювання ефективності моделей передбачення дефектів програмного забезпечення. Виявлено, що за останні роки зріс інтерес до використання моделей дефектів програмного забезпечення та класифікації програмних дефектів на основі метрик коду та характеристик проекту. Обґрунтовано актуальність оцінювання та прогнозування дефектів програмного забезпечення методами машинного навчання. Встановлено деякі аспекти, які потребують додаткового дослідження. Визначено напрями майбутніх досліджень, а саме: методи вибору ознак, методи вибору класифікаторів, методи попереднього оброблення даних, побудова моделей прогнозування дефектів, розроблення методів і засобів прогнозування дефектів програмного забезпечення.
{"title":"Аналіз проблеми застосування методів машинного навчання для оцінювання та прогнозування дефектів програмного забезпечення","authors":"O. Khil, V. Yakovyna","doi":"10.36930/40330316","DOIUrl":"https://doi.org/10.36930/40330316","url":null,"abstract":"Здійснено оцінювання та виконано аналіз літературних джерел, в яких досліджено методи машинного навчання для прогнозування дефектів програмного забезпечення. Визначено основні характеристики дефектів програмного забезпечення, такі як показники складності, ключові слова, зміни, розмір програмного коду та структурні залежності. Охарактеризовано основні методи та засоби прогнозування дефектів програмного забезпечення на основі метрик методами машинного навчання. Описано загальну схему прогнозування дефектів програмного забезпечення, яка дає змогу проводити експерименти та визначати наявність чи відсутність дефекту в програмному модулі. Продуктивність моделі передбачення дефектів програмного забезпечення істотно залежить від вибору набору даних, що є першим кроком проведення дослідження. Встановлено, що попередні дослідження здебільшого базуються на наборах даних з відкритим кодом, а програмні показники, які використовують для створення моделей, переважно є метриками продукту. Набір даних PROMISE (обіцянки) використовується в дослідженнях найчастіше, хоча дані проектів у наборі є застарілими та датуються 2004, 2005 та 2006 роками. Під час виконання цієї роботи проаналізовано сучасні наукові дослідження у галузі. Виявлено методи класифікації, що використовують під час прогнозування дефектів програмного забезпечення. Встановлено, що логістична регресія (англ. Logistic Regression), за якою слідує наївний Баєс (англ. Naive Bayes) та випадковий ліс (англ. Random Forest), є найбільш застосовуваними методами класифікації в таких моделях. Важливим етапом для розуміння ефективності моделі є її оцінювання. Виявлено показники оцінювання ефективності моделі прогнозування дефектів програмного забезпечення, що найчастіше використовують дослідженнях. З'ясовано, що f-measure, за якою слідує recall та AUC, є найпоширенішим показником, який використовується для оцінювання ефективності моделей передбачення дефектів програмного забезпечення. Виявлено, що за останні роки зріс інтерес до використання моделей дефектів програмного забезпечення та класифікації програмних дефектів на основі метрик коду та характеристик проекту. Обґрунтовано актуальність оцінювання та прогнозування дефектів програмного забезпечення методами машинного навчання. Встановлено деякі аспекти, які потребують додаткового дослідження. Визначено напрями майбутніх досліджень, а саме: методи вибору ознак, методи вибору класифікаторів, методи попереднього оброблення даних, побудова моделей прогнозування дефектів, розроблення методів і засобів прогнозування дефектів програмного забезпечення.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43066872","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
V. V. Petryna, A. V. Doroshenko, R. V. Sydorenko, V. Teslyuk
Досліджено вплив ітеративного методу зважування даних респондентів на підставі певних факторів на точність навчання моделі машинного навчання для вирішення завдань класифікації. Збір та оброблення даних є критичним етапом в процесі розроблення та використання моделей машинного навчання, оскільки якість та наочність даних безпосередньо впливають на точність та ефективність моделей. Проаналізовано математичне забезпечення алгоритмів моделей класифікації. Здійснено огляд літературних джерел, пов'язаних із тематикою статті. Проаналізовано набори даних, доступні у мережі для вирішення завдань класифікації. Розроблено програмне забезпечення для роботи із моделями машинного навчання. Проведено попередню підготовку вхідних даних для навчання та тестування вибраних моделей. Використано такі моделі класифікації, як наївний класифікатор Байєса, класифікатор випадкового лісу, наївний байєсів класифікатор Гауса, а також ітеративний метод зважування даних. Ці моделі інтегровано у програмне забезпечення, розроблене для оброблення, підготовки, зберігання даних. Досліджено обрані моделі із використанням попередньо підготовлених даних за допомогою програмного забезпечення відповідно до визначених сценаріїв. Згідно з результатами дослідження виявлено позитивний тренд на якість навчання моделей за коректної підготовки даних і вибору відповідних змінних для зважування даних респондентів. Показники ефективності, точності навчання алгоритму показують позитивну динаміку порівняно з результатами тестування моделей без використання зважування даних. Результатами дослідження підтверджується значущий вплив ітеративного методу зважування даних на результати навчання, тренування та тестування моделей машинного навчання, а саме мультиплікативного класифікатора Байєса.
{"title":"Модель та засоби збирання та оброблення даних з використанням машинного навчання","authors":"V. V. Petryna, A. V. Doroshenko, R. V. Sydorenko, V. Teslyuk","doi":"10.36930/40330315","DOIUrl":"https://doi.org/10.36930/40330315","url":null,"abstract":"Досліджено вплив ітеративного методу зважування даних респондентів на підставі певних факторів на точність навчання моделі машинного навчання для вирішення завдань класифікації. Збір та оброблення даних є критичним етапом в процесі розроблення та використання моделей машинного навчання, оскільки якість та наочність даних безпосередньо впливають на точність та ефективність моделей. Проаналізовано математичне забезпечення алгоритмів моделей класифікації. Здійснено огляд літературних джерел, пов'язаних із тематикою статті. Проаналізовано набори даних, доступні у мережі для вирішення завдань класифікації. Розроблено програмне забезпечення для роботи із моделями машинного навчання. Проведено попередню підготовку вхідних даних для навчання та тестування вибраних моделей. Використано такі моделі класифікації, як наївний класифікатор Байєса, класифікатор випадкового лісу, наївний байєсів класифікатор Гауса, а також ітеративний метод зважування даних. Ці моделі інтегровано у програмне забезпечення, розроблене для оброблення, підготовки, зберігання даних. Досліджено обрані моделі із використанням попередньо підготовлених даних за допомогою програмного забезпечення відповідно до визначених сценаріїв. Згідно з результатами дослідження виявлено позитивний тренд на якість навчання моделей за коректної підготовки даних і вибору відповідних змінних для зважування даних респондентів. Показники ефективності, точності навчання алгоритму показують позитивну динаміку порівняно з результатами тестування моделей без використання зважування даних. Результатами дослідження підтверджується значущий вплив ітеративного методу зважування даних на результати навчання, тренування та тестування моделей машинного навчання, а саме мультиплікативного класифікатора Байєса.","PeriodicalId":33529,"journal":{"name":"Naukovii visnik NLTU Ukrayini","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49251910","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：