Вісники НТУ "ХПІ"

Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/2494


З 1961 р. у ХПІ видається збірник наукових праць "Вісник Харківського політехнічного інституту".
Згідно до наказу ректора № 158-1 від 07.05.2001 року "Про упорядкування видання вісника НТУ "ХПІ", збірник був перейменований у Вісник Національного Технічного Університету "ХПІ".
Вісник Національного технічного університету "Харківський політехнічний інститут" включено до переліку спеціалізованих видань ВАК України і виходить по серіях, що відображають наукові напрямки діяльності вчених університету та потенційних здобувачів вчених ступенів та звань.
Зараз налічується 30 діючих тематичних редколегій. Вісник друкує статті як співробітників НТУ "ХПІ", так і статті авторів інших наукових закладів України та зарубіжжя, які представлені у даному розділі.

Переглянути

Фільтри

2018 - 20192

Налаштування

ORCID: search.filters.orcid.https://orcid.org/0000-0002-4803-2090Ключові слова: search.filters.subject.machine learning

Результати пошуку

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    Розробка методу аналізу складних даних на основі технологій machine learning
    (Національний технічний університет "Харківський політехнічний інститут", 2019) Іваницька, А. Ю.; Іванов, Д. Є.; Зубик, Л. В.
    Проведено аналіз сучасних підходів та методів інтелектуальної обробки даних, що застосовуються при аналізі складних даних. Запропоновано новий метод аналізу складних даних, який є комбінацією трьох відомих підходів machine learning: прогнозування, кластеризація, класифікація даних. Цей метод дозволяє виявляти нові характеристики та цінні знання за рахунок підвищення точності прогнозування часових рядів даних.
  • Ескіз
    Документ
    Розробка моделі аналізу складних даних на основі класифікації machine learning
    (НТУ "ХПІ", 2018) Тітова, А. Ю.; Іванов, Д. Є.
    Виконано аналіз методів класифікації machine learning та визначені етапи обробки складних даних на основі бінарної класифікації. Розроблено модель аналізу складних даних на основі класифікації machine learning та проведено перевірку її адекватності з використанням різних засобів оцінки. Виконана класифікація даних на відповідність двом класам: корисної інформації та спаму.