Бази даних

Автореферати дисертацій - результати пошуку

Mozilla Firefox Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер
"Mozilla Firefox"

Вид пошуку
Сортувати знайдені документи за:
авторомназвоюроком видання
Формат представлення знайдених документів:
повнийстислий
 Знайдено в інших БД:Віртуальна довідка (3)Реферативна база даних (30)Книжкові видання та компакт-диски (13)Журнали та продовжувані видання (2)
Пошуковий запит: (<.>A=ПАВЛИШЕН$<.>+<.>A=ЮЛІЯ$<.>+<.>A=ВОЛОДИМИРІВНА$<.>)
Загальна кількість знайдених документів : 2
Представлено документи з 1 до 2

      
1.

Павлишена Ю.В. 
Внутрішня політика франкістського режиму в Іспанії. 1939 - 1975 рр.: Автореф. дис... канд. іст. наук: 07.00.02 / Ю.В. Павлишена ; НАН України. Ін-т історії України. — К., 2007. — 20 с. — укp.

Здійснено комплексне дослідження внутрішньої політики Іспанії франківського періоду (1939 - 1975 рр.), її етапів і особливостей. Уперше в українській історіографії проведено системний аналіз різножанрових джерел франкістського періоду, праць радянських, сучасних вітчизняних, російських і зарубіжних, передовсім іспанських, науковців. Досліджено хронологічні межі, періодизацію та юридично-правовий аспект внутрішньої політики авторитарного франкістського режиму, узагальнено її напрями, закономірності, особливості та ліберальну самокорекцію пізнього франкізму у політичній, соціальній, економічній сферах. З'ясовано та систематизовано історичні та правові витоки системи каудилізму, її прерогативи та повноваження. Класифіковано провідні ідеологічні риси франкістської держави. На прикладі іспанського досвіду показано багатоликість авторитаризму у розвитку, його ефективність, суперечності та зв'язок, який існує між ними та демократією.

  Скачати повний текст


Індекс рубрикатора НБУВ: Т3(4ИСП)6-5 + Ф3(4ИСП)6 +
Шифр НБУВ: РА352018

Рубрики:

      
2.

Павлишенко Б. М. 
Методи інтелектуального аналізу консолідованих даних для підтримки прийняття рішень / Б. М. Павлишенко. — Б.м., 2021 — укp.

Дисертаційну роботу присвячено розробленню методів моделювання, формування аналітичних ознак, інтелектуального аналізу табличних і текстових консолідованих даних для підвищення точності, достовірності та інформативності результатів аналізу, які використовуються для підтримки прийняття рішень в інформаційно-аналітичних системах. Розроблено метод оптимізації прогнозної аналітики часових рядів з використанням стекінгового об'єднання та відбору різнотипних моделей на основі лінійної регресії LASSO та байєсівської регресії. Проаналізовано поєднання байєсівської лінійної та машинно-навчальної логістичних регресій у задачах виявлення технічних відмов. Розглянуто оптимізацію послідовності дій інтелектуального агента в задачах аналітики попиту з використанням глибокого Q-навчання та імітаційного моделювання середовища. Запропоновано модель векторного представлення текстових даних у просторі семантичних та тематичних полів. Проведено аналіз текстових даних на основі алгоритмів машинного навчання з використанням кількісних семантичних ознак. Розроблено метод виявлення додаткових аналітичних ознак на основі лексемних поєднань у семантичних структурах текстових масивів. Запропоновано модель семантичних концептів текстових масивів на основі теорії аналізу формальних концептів.^UThe thesis focuses on the development of methods of modeling, formation of analytical features, intellectual analysis of tabular and textual consolidated data for increasing the accuracy, reliability and self-descriptiveness of the analysis results, which are used to support decision-making in information and analytical systems. A method for optimizing the predictive analytics of time series using stacking combination and a selection of different types of models based on linear regression LASSO and Bayesian regression has been developed. A combination of Bayesian, linear and machine-learning logistic regression in a problem of detecting technical failures has been analyzed. The optimization of the sequence of actions of an intelligent agent in the tasks of demand analytics u sing deep Q-learning and simulation modeling of the interaction environment has been considered. A model of vector representation of textual data in the space of semantic and thematic fields has been proposed. An analysis of textual data based on machine learning algorithms using quantitative features of semantic and thematic fields has been carried out. A method for identifying additional analytical features based on lexeme combinations in the semantic structures of text arrays has been developed. A model of semantic concepts of text based on the theory of formal concepts analysis has been proposed.


Шифр НБУВ: 05 Пошук видання у каталогах НБУВ 
 

Всі права захищені © Національна бібліотека України імені В. І. Вернадського