LSTM

Dynamic learning rate adjustment using volatility in LSTM models for KLCI forecasting

The prediction of financial market behaviour constitutes a multifaceted challenge, attributable to the underlying volatility and non-linear characteristics inherent within market data.  Long Short-Term Memory (LSTM) models have demonstrated efficacy in capturing these complexities.  This study proposes a novel approach to enhance LSTM model performance by modulating the learning rate adaptively based on market volatility.  We apply this method to forecast the Kuala Lumpur Composite Index (KLCI), leveraging volatility as a key input to adapt the learning rate during trai

Agriculture Vehicles Predictive Maintenance With Telemetry, Maintenance History and Geospatial Data

Timely detection and prevention of agriculture vehicles malfunctions are key approaches to reducing maintenance costs, as well as updating and replacing equipment, and reducing the cost of growing agricultural crops. In this article an approach for Remaining Useful Life (RUL) prediction that utilizes a combination of telemetry, maintenance, and geospatial data (such as weather and terrain information) as input to a Long Short- Term Memory (LSTM) algorithm has been considered.

Інтелектуальна система передбачення фейкових новин на основі технологій NLP та машинного навчання

У статті описано дослідження ідентифікації фейкових новин на основі опрацювання природної мови, аналізу великих даних і технології глибокого навчання. Розроблена система автоматично перевіряє новини на наявність ознак фейкових новин, таких як використання маніпулятивної мови, неперевірених джерел і недостовірної інформації. Візуалізація даних реалізована на основі дружнього інтерфейсу користувача, який відображає результати аналізу новин у зручному та зрозумілому форматі.

Застосування рекурентних нейронних мереж для покращення процесу планування scrum-спринтів

У дослідженні обґрунтовано доцільність використання технології машинного навчання для вдосконалення процесу планування ітерацій в ІТ проєктах, що реалізуються з використанням методології Scrum. Постановлено проблему планування продуктивності в командах. Сформовано предмет і обʼєкт дослідження. Описано очікувану наукову новизну та практичну значущість результатів дослідження. Розглянуто комплекс можливих проблем, пов’язаних з плануванням задач в ІТ проєктах, зокрема, точність прогнозування продуктивності команд.

Conception of a new quality control method based on neural networks

The prediction of failures in a factory is now an important area of industry that helps to reduce time and cost of non-quality from the data generated from the sensors installed on production lines, this data is used to detect anomalies and predict defects before they occur.  The purpose of this article is to model an intelligent production line capable of predicting various types of non-conforming products.  For that, we will utilize the neural network methodology within the specific context of a production line specialized in juice manufacturing.  Firstly, we introduc

A drip irrigation prediction system in a greenhouse based on long short-term memory and connected objects

Smart greenhouses use Internet of Things (IoT) technology to monitor and control various factors that affect plant growth, such as soil humidity, indoor humidity, soil temperature, rain sensor, illumination, and indoor temperature.  Sensors and actuators connected to an IoT network can collect data on these factors and use it to automate processes such as watering, heating, and ventilation.  This can help optimize growing conditions and improve crop yield.  To enable their vegetative growth and development, plants need the right amount of water at the right time.  The objective of this work