Наукові статті
Постійне посилання зібранняhttps://repository.lntu.edu.ua/handle/123456789/310
Переглянути
2 результатів
Результати пошуку
Item type:Наукова стаття, Персональне бюджетування: аналіз програмних рішень та оптимізаційних можливостей(Луцьк: ЛНТУ, 2025-06-15) Андрущак, Ігор Євгенович; Вакулюк, Іванна ВолодимирівнаУ сучасних умовах розвитку цифрових технологій та широкого впровадження інтернет-банкінгу стрімко зростає популярність безготівкових розрахунків і використання електронних банківських сервісів. Це, своєю чергою, стимулює інтерес до засобів персонального бюджетування та фінансового планування, які дають змогу ефективніше контролювати витрати, формувати заощадження і досягати довгострокових цілей, а також приймати обґрунтовані фінансові рішення щодня. У статті здійснено аналіз п’яти популярних мобільних застосунків для персонального бюджетування, розглянуто їх функціональні можливості, переваги та обмеження. Досліджено наявність вбудованих механізмів для бюджетного планування, визначення фінансових цілей, моніторингу доходів і витрат, а також інструментів для автоматизованого розподілу коштів. Особливу увагу приділено питанням оптимізації бюджету за допомогою сучасних математичних методів. У статті розглянуто можливість інтеграції симплекс-методу лінійного програмування в мобільні застосунки для персонального фінансового планування з метою формування бюджету в умовах обмежених ресурсів та досягнення заданих фінансових цілей. Представлено приклад розв’язання задачі оптимального розподілу витрат із використанням мови програмування Python та бібліотеки scipy.optimize. Показано можливість імплементації цієї моделі в мобільний додаток Android за допомогою плагіна Chaquopy. У межах дослідження також розглянуто сучасні наукові джерела з тематики фінансової грамотності, поведінкових фінансів та психологічних аспектів управління грошима, зокрема теорію ментальної звітності. Також, проведено огляд літератури з тематики програмних засобів і математичних методів. Отримані результати можуть стати основою для створення ефективніших мобільних застосунків із функціями адаптивного бюджетування.Item type:Наукова стаття, Мінімаксний підхід в машинному навчанні: сучасний стан та перспективи розвитку.(Луцьк: ЛНТУ, 2021-03-31) Марценюк, Василь Петрович; Андрущак, Ігор Євгенович; Мілян, Назар ВасильовичВ статті представлено з.начення машинного навчання у сучасному світі. Звернуто особливу увагу на використання алгоритмів машинного навчання в медицині, зокрема використання різноманітних моделей, починаючи від регресії, SVM, випадкових лісів для контрольованого навчання та PCA для неконтрольованого. Підкреслюються основні невизначеності та завдання машинного навчання, що виникають у основних медичних додатках (діагностика, лікування та профілактика). Математично описано проблеми машинного навчання в медичних дослідженнях. Оптимізація є важливою частиною машинного навчання. Основна увага приділена мінімаксному підходу у машинному навчанні. Розглянуто ряд мінімаксних підходів таких, як: Minimax Probability Machine (MPM), Generalized Hidden-Mapping Minimax Probability Machine (GHM-MPM), Minimum Error Minimax Probability Machine (MEMPM), парна мінімаксна ймовірність екстремального нахилу машини (TMPELM), машина подвійної мінімаксної ймовірності (TWMPM) та деякі інші.