In this study, we develop and evaluate performance of a location-tracking application built using a Python/Django/PostgreSQL stack. Through rigorous experimentation and its analysis, we scrutinize the efficiency
Стаття присвячена побудові різницевих апроксимацій фрактальних операторів математичної моделі впливу хіміотерапії на стан ракової пухлини на підставі апарату дробового диференціювання з використанням похідної Капуто. Представлено математичну модель стовбурових клітин і хіміотерапії. Побудовано числові алгоритми для реалізації математичних моделей дробового порядку з використанням методу Атангана-Туфіка.
В даній статті було проведено дослідження алгоритмів покращення текстур на медичних зображеннях. Медичні МРТ знімки мозку містять великі області з низьким рівнем сірого кольору, що несуть важливу інформацію для лікарів. Покращення текстури дозволяє виділити великі сірі області на зображеннях для подальшого детального розпізнавання. На основі проведеного дослідження наявних методів покращення текстур визначено, що саме фрактальні оператори є ефективними для обробки медичних зображень.
У статті досліджено застосування фрактальної моделі ARFIMA для прогнозування динаміки забруднення річкових вод на основі вимірювання біохімічного споживання кисню . Дослідження починається з огляду суміжних робіт у галузі аналізу якості води. На цьому етапі також вибирається відповідний набір даних, який використовується для навчання ARFIMA, однієї з моделей машинного навчання. Напівпараметричний алгоритм GPH застосовано для оцінки параметра фрактального диференціювання ARFIMA.
У статті досліджується застосування архітектури U-Net для сегментації внутрішньочерепних крововиливів, зосереджуючись на підвищенні точності сегментації шляхом включення методів покращення текстури на основі похідних дробового порядку Ріса. Дослідження починається з проведення огляду суміжних робіт у галузі сегментації комп’ютерної томографії (КТ). На цьому етапі також вибирається відповідний набір даних. Спочатку він використовувався для навчання U-Net, однієї з широко поширених моделей глибокого навчання в області сегментації медичних зображень.
Мета дослідження – розроблення інтелектуальної інформаційної системи навчального центру засобами мови програмування Python і фреймворку Django, системи баз даних SQLite та чат-ботом зі штучним інтелектом ChatGPT. Розроблювана система повинна полегшити взаємодію користувачів різних типів із навчальними/тренінговими центрами задля здобуття нових необхідних навичок. Як відомо, сьогодні з кожним днем відкриваються все нові та нові навчальні центри, які надають свої послуги з вивчення тієї чи іншої здібності.
У даній статті досліджено особливості роботи систем управління складом. Запропоновано алгоритм первинного розпізнавання об’єктів в комірках складу. Наведено принципи та реалізацію власної програмної системи управління складом з використанням технології комп’ютерного зору.
Розпізнавання статі людини за голосом є складною проблемою в опрацюванні мовлення. Це завдання передбачає виділення значущих ознак із мовних сигналів, класифікацію їх на чоловічі чи жіночі категорії. У статті реалізовано інформаційну технологію розпізнавання статі. Спочатку записали зразки голосу як чоловічого, так і жіночого і визначили кепстральні коефіцієнти Mel-частоти (MFCC) як характеристики. Потім, пройшовши навчання, класифікатор опорних векторів (SVM) вивчав ці функції та оцінював їх ефективність, використовуючи показники точності, запам’ятовування та показників F1.
Сьогодні багато міст у всьому світі страждають від шумового забруднення. Шум - це невидима небезпека, яка може спричинити проблеми зі здоров'ям як людей, так і дикої природи. Тому важливо оцінити рівень шуму в навколишньому середовищі та запровадити коригувальні заходи. Існує кілька методів ідентифікації шуму, і вибір найбільш відповідного методу залежить від необхідної інформації та її застосування. Аналіз аудіоданих вимагає врахування трьох ключових аспектів, таких як період часу, амплітуда та частота. На підставі зазначених параметрів можна визначити джерело шуму.
Робота присвячена розробці мобільного чат-бота, що містить інформаційний конвертер валют, призначений для використання широкого кола людей. Чат-бот – це предметно- орієнтований текстовий діалоговий інтерфейс, за допомогою якого користувач може виконати набір завдань: отримання інформації щодо поточного курсу валют (USD чи EUR) відносно національної валюти та розрахунок співвідношення криптовалют (Bitcoin, Ethereum, Litecoin) у доларах чи євро.