Факультет комп’ютерних та інформаційних технологій
Постійне посилання на фондhttps://repository.lntu.edu.ua/handle/123456789/49
Переглянути
11 результатів
Результати пошуку
Item type:Матеріали конференцій, Про безпеку архітектури IOT з використанням ML(Bologna, 2025-10-17) Кошелюк, Віктор АндрійовичУ публікації досліджено сучасні підходи до забезпечення безпеки архітектури Інтернету речей (IoT) із застосуванням методів машинного навчання. Проаналізовано основні загрози безпеці IoT-систем, можливості використання моделей машинного навчання для виявлення аномалій, атак та підвищення рівня захисту мережевої інфраструктури. Запропоновано підхід до інтеграції алгоритмів машинного навчання в архітектуру IoT, що сприяє своєчасному виявленню кіберзагроз, підвищенню стійкості систем та ефективності механізмів кіберзахисту.Item type:Наукова стаття, Архітектура інтелектуальної системи управління ризиками та розпізнавання видів грибів(Вінниця: ВНТУ, 2024-11-19) Кайдик, Олег ЛеонтійовичУ статті представлено розробку інтелектуальної системи для розпізнавання видів грибів, яка забезпечує високу точність і зручність у використанні. Для навчання моделі було використано великий датасет "Mushrooms classification" з платформи Kaggle, що забезпечило необхідну різноманітність зображень і досягнення точності класифікації на рівні 85%. Попередня обробка даних включала перевірку якості зображень, їх стандартизацію та поділ на тренувальні, валідаційні й тестові вибірки, що сприяло ефективному навчанню моделі. Основою алгоритму розпізнавання стала згорткова нейронна мережа ResNet, яка продемонструвала перевагу в точності над іншими архітектурами.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.Item type:Наукова стаття, Обробка інформації за допомогою машиного навчання засобами Python(Луцьк: ЛНТУ, 2023-12-16) Поліщук, Микола Миколайович; Цибень, Дмитро Васильович; Карплюк, Юрій ІвановичУ статті докладно розглядаються основні кроки та процеси використання машинного навчання для створення рекомендаційних систем. Розглянуто, як зберегти дані, навчити модель та створити зручний інструмент для рекомендацій жанрів фільмів на основі індивідуальних вподобань користувачів. Продемонстровано ключові кроки, від відбору даних до передбачення рекомендацій, як використовувати Python та потужні бібліотеки для досягнення цієї мети.Item type:Матеріали конференцій, ЗАСТОСУВАННЯ МАШИННОГО НАВЧАННЯ ДЛЯ КЛАСИФІКАЦІЇ ДАНИХ(Луцьк: ЛНТУ, 2026-05) Хиць, Руслан АндрійовичМашинне навчання стало ключовим інструментом для розв'язання проблем класифікації даних у різних сферах, включаючи медицину, фінанси, кібербезпеку та обробку природної мови. У цій статті розглядаються основні підходи до класифікації: дерева рішень, опорні векторні машини, k-ближчих сусідів, наївний байєсівський класифікатор та глибокі нейронні мережі. Обговорюються метрики оцінки, техніки попередньої обробки та ансамблеві методи. Також надаються практичні поради щодо вибору алгоритму залежно від характеристик даних та огляд сучасних програмних інструментів для впровадження.Item type:Кваліфікаційна робота магістра, . Дослідження та аналіз модулю безпеки інформації архітектури IОT(Луцьк : ЛНТУ, 2025) Столярук, Максим СергійовичКваліфікаційна робота магістра складається з вступу, трьох розділів, висновків, списку використаних джерел, додатків. У роботі досліджено та проведено аналіз модулю безпеки інформації архітектури IoT з використанням машинного навчання. Під час виконання поставлених завдань було проаналізовано методи та засоби виявлення загроз та вразливостей архітектури інтернету речей, досліджено технології управління інформаційною безпекою, здійснено конфігурацію та реалізацію модулю безпеки інформації архітектури IoT з використанням методу KNN.Item type:Кваліфікаційна робота магістра, Розробка та дослідження веб-системи прогнозування попиту на товари із застосуванням регресійного аналізу(Луцьк : ЛНТУ, 2025) Лошик, Олександр АнатолійовичУ роботі обґрунтовано розробку веб-системи для прогнозування попиту на товари з використанням регресійного аналізу. Проаналізовано існуючі підходи до прогнозування попиту, спроектовано систему та реалізовано основні функціональні модулі. Експериментальна оцінка показала високу точність прогнозів та ефективність розробленого рішення.Item type:Кваліфікаційна робота бакалавра, Аналіз тональності тексту методами машинного навчання(Луцьк : ЛНТУ, 2023) Фесіна, Олексій ОлександровичУ роботі розглянуто методи аналізу тональності тексту за допомогою машинного навчання. Проведено аналіз існуючих алгоритмів та підходів до обробки природної мови, обґрунтовано вибір моделей і технологій. Реалізовано систему автоматичного визначення тональності текстів, проведено навчання та тестування моделей, оцінено їх точність і ефективність. Результати підтверджують працездатність розробленого підходу.Item type:Кваліфікаційна робота бакалавра, Система обробки текстових даних засобами мови Python(Луцьк : ЛНТУ, 2024) Кравчук, Юрій ОлеговичРобота присвячена розробці системи обробки текстових даних засобами мови Python, яка забезпечує збирання, аналіз, очищення та перетворення текстової інформації для подальшої класифікації, візуалізації або використання у задачах обробки природної мови.Item type:Кваліфікаційна робота бакалавра, Комп'ютерна CRO-система на основі машинного навчання(Луцьк : ЛНТУ, 2024) Конотопчик, Артем МиколайовичРобота присвячена розробці комп’ютерної CRO-системи на основі машинного навчання, яка забезпечує аналіз поведінки користувачів, автоматичну оптимізацію конверсійних показників і підтримку прийняття рішень для підвищення ефективності цифрових продуктів.