машинне навчання

МЕТОДОЛОГІЯ ВПРОВАДЖЕННЯ САМОНАВЧАЛЬНИХ МОДЕЛЕЙ ЗВОРОТНОГО ЗВ'ЯЗКУ В СИСТЕМИ CRM: ПОРІВНЯЛЬНИЙ АНАЛІЗ ЕФЕКТИВНОСТІ

У статті запропоновано методологію впровадження самонавчальних моделей зворотного зв'язку в системи управління взаємовідносинами з клієнтами (CRM). Досліджено основні проблеми існуючих CRM-систем, пов'язані з недостатньою адаптивністю до змін у поведінці клієнтів та обмеженими можливостями автоматичного аналізу даних. На основі аналізу сучасних підходів машинного навчання розроблено комплексну модель впровадження самонавчальних алгоритмів, що базується на трирівневій архітектурі: збір та обробка даних, аналітична обробка та адаптивна взаємодія.

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

ОЦІНКА ІНСТРУМЕНТІВ МУЛЬТИМОДАЛЬНОЇ СИНХРОНІЗАЦІЇ ДАНИХ

Постійне зростання обсягів даних вимагає розробки ефективних методів управління, обробки та зберігання інформації. Крім того, доцільно застосовувати мультимодальні підходи агрегації знань для отримання додаткових знань. Зазвичай проблема ефективної обробки мультимодальних даних пов'язана з високоякісною попередньою обробкою даних. Одним із найважливіших етапів попередньої обробки є синхронізація мультимодальних потоків даних для аналізу складних взаємодій у різних типах даних.

Front-end фреймворк для побудови застосунків з адаптивним графічним інтерфейсом засобами машинного навчання

У статті розглядаються підходи до розробки front-end фреймворку для створення веб-застосунків з адаптивним графічним інтерфейсом, що динамічно підлаштовується під індивідуальні потреби користувачів за допомогою алгоритмів машинного навчання. Актуальність проблеми полягає в необхідності розробки інтерфейсів, здатних одночасно відповідати потребам різних демографічних груп, що вимагає гнучкості в налаштуванні користувацького досвіду (UX) та інтерфейсу (UI) сучасних веб-сайтів.

Ансамблеві методи на основі центрування для сегментації зображення

Ансамблеві методи можуть використовуватись для багатьох завдань, одними з найпопулярніших є: класифікація, регресія та сегментація зображень. Сегментація зображень є складною задачею, де використання ансамблевих методів машинного навчання дає можливість покращити точність передбачень нейронних мереж.

СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ВИЯВЛЕННЯ ДЕЗІНФОРМАЦІЇ, ФЕЙКІВ ТА ПРОПАГАНДИ НА ОСНОВІ МАШИННОГО НАВЧАННЯ

Внаслідок спрощення процесів створення та поширення новин через інтернет, а також через фізичну неможливість перевірки великих обсягів інформації, що циркулює у мережі, значно зросли обсяги поширення дезінформації та фейкових новин. Побудовано систему підтримки прийняття рішень щодо виявлення дезінформації, фейків та пропаганди на основі машинного навчання. Досліджено методику аналізу тексту новин для ідентифікації фейку та передбачення виявлення дезінформації в текстах новин. У зв’язку з цим виявлення неправдивих новин стає критичним завданням.

ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ У СИСТЕМІ УПРАВЛІННЯ МОБІЛЬНОЮ РОБОТОТЕХНІЧНОЮ ПЛАТФОРМОЮ

В епоху стрімкого технологічного розвитку, коли робототехніка й інтелектуальні системи стають невідʼємною частиною повсякденного життя, важливість розроблення систем управління мобільними робототехнічними платформами з використанням штучних нейронних мереж стає надзвичайно високою та актуальною. Для цієї галузі характерна не тільки істотна практична потреба, але й значний потенціал в інноваційному розвитку. Розвиток сучасної робототехніки та обчислювального інтелекту спонукав до створення ефективніших та адаптивніших мобільних робототехнічних систем.

Neuro-symbolic models for ensuring cybersecurity in critical cyber-physical systems

У поданій статті представлені результати всебічного дослідження застосування нейросимволічного підходу для виявлення та запобігання кіберзагрозам у залізничних системах, критичному компоненті кіберфізичної інфраструктури. Зростаюча складність та інтеграція фізичних систем із цифровими технологіями зробили таку інфраструктуру вразливою до кібератак, коли порушення можуть призвести до тяжких наслідків, зокрема системних збоїв, фінансових втрат і загроз громадській безпеці та навколишньому середовищу.

Application of the Bayesian approach to modeling credit risks

A computer model for analyzing, evaluating, and forecasting bank credit risks has been developed.  Utilizing a Bayesian network (BN) and established parameter estimation methods, this model was implemented in the Python programming language.  It predicts the probability that a borrower may fail to meet financial obligations, such as repaying a loan.

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.