Книжкові видання та компакт-диски Журнали та продовжувані видання Автореферати дисертацій Реферативна база даних Наукова періодика України Тематичний навігатор Авторитетний файл імен осіб
|
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
Пошуковий запит: (<.>A=Коряшкіна Л$<.>) |
Загальна кількість знайдених документів : 8
Представлено документи з 1 до 8
|
1. |
Мокрицька Т. П. Фактори та моделі деградації просадочності [Електронний ресурс] / Т. П. Мокрицька, Л. С. Коряшкіна // Науковий вісник Національного гірничого університету. - 2013. - № 4. - С. 5-10. - Режим доступу: http://nbuv.gov.ua/UJRN/Nvngu_2013_4_3
| 2. |
Галушко О. С. Вибір ефективних напрямків розвитку промислового підприємства в умовах глобалізації на основі економіко- матемагичного моделювання [Електронний ресурс] / О. С. Галушко, Ю. В. Никифорова, Л. С. Коряшкіна // Економічний вісник Національного гірничого університету. - 2012. - № 3. - С. 103-115. - Режим доступу: http://nbuv.gov.ua/UJRN/evngu_2012_3_17
| 3. |
Коряшкіна Л. С. Задача параметричної ідентифікації багатозонних динамічних систем [Електронний ресурс] / Л. С. Коряшкіна, А. П. Череватенко // Системні технології. - 2015. - Вип. 4. - С. 88-101. - Режим доступу: http://nbuv.gov.ua/UJRN/st_2015_4_14 Розглянуто метод ідентифікації моделей динаміки, розроблений на основі поєднання методів розв'язання задач оптимального керування та неперервних задач оптимального розбиття множин. Наведено алгоритм розв'язання задач ідентифікації меж між зонами функціонування багатозонних динамічних систем та їх параметрів.
| 4. |
Коряшкіна Л. С. Застосування методів Data Mining при аналізі вимог роботодавців щодо якості підготовки спеціалістів [Електронний ресурс] / Л. С. Коряшкіна, В. С. Чернишенко, М. О. Віноградов, А. Е. Скрипченко // Збірник наукових праць Національного гірничого університету. - 2017. - № 51. - С. 175-190. - Режим доступу: http://nbuv.gov.ua/UJRN/znpngu_2017_51_22
| 5. |
Коряшкіна Л. С. Інтерактивна карта оптимального мультиплексного розбиття заданого регіону [Електронний ресурс] / Л. С. Коряшкіна, О. О. Михальова, Б. Р. Свіріпа, А. П. Череватенко // Збірник наукових праць Національного гірничого університету. - 2018. - № 55. - С. 274-287. - Режим доступу: http://nbuv.gov.ua/UJRN/znpngu_2018_55_29
| 6. |
Коряшкіна Л. С. Визначення оптимальної кількості та місць розміщення зарядних станцій для електромобілів на території міста [Електронний ресурс] / Л. С. Коряшкіна, О. Р. Бєляєв // Комп'ютерне моделювання: аналіз, управління, оптимізація. - 2019. - № 1. - С. 23-29. - Режим доступу: http://nbuv.gov.ua/UJRN/kmauo_2019_1_6
| 7. |
Єгоров С. В. Комплексний статистичний аналіз даних медичних спостережень за дітьми з гострою хірургічною патологією [Електронний ресурс] / С. В. Єгоров, Л. С. Коряшкіна, І. Ю. Симонець // Медична інформатика та інженерія. - 2019. - № 3. - С. 69-78. - Режим доступу: http://nbuv.gov.ua/UJRN/Mii_2019_3_9 Запропоновано методику комплексного статистичного аналізу даних спостережень за станом дітей із хірургічною патологією двох вікових груп. Наведено результати програмної реалізації розробленого алгоритму. Виявлено терапевтичний ефект від застосування кожного з трьох лікарських засобів - розчину на основі глюкози з додаванням електролітів, кристалоїдних розчинів Рінгера лактат та малат. Наведено порівняльну характеристику дії лікарських засобів у різних вікових групах пацієнтів.Запропоновано методику комплексного статистичного аналізу даних спостережень за станом дітей із хірургічною патологією двох вікових груп. Наведено результати програмної реалізації розробленого алгоритму. Виявлено терапевтичний ефект від застосування кожного з трьох лікарських засобів - розчину на основі глюкози з додаванням електролітів, кристалоїдних розчинів Рінгера лактат та малат. Наведено порівняльну характеристику дії лікарських засобів у різних вікових групах пацієнтів.
| 8. |
Коряшкіна Л. С. Застосування алгоритмів машинного навчання для обробки коментарів під навчальним матеріалом на відеохостингу "YouTube" [Електронний ресурс] / Л. С. Коряшкіна, Г. В. Симонець // Наука та прогрес транспорту. Вісник Дніпропетровського національного університету залізничного транспорту імені академіка В. Лазаряна. - 2020. - № 6. - С. 33-42. - Режим доступу: http://nbuv.gov.ua/UJRN/vdnuzt_2020_6_6 Мета роботи - виявлення токсичних коментарів на відеохостингу "YouTube" під навчальним матеріалом шляхом класифікації неструктурованого тексту за допомогою комбінації методів машинного навчання. Із зазначеним типом даних використано методи попередньої обробки для очищення, нормалізації, представлення текстових даних у вигляді, прийнятному для подальшої роботи на ЕОМ. Безпосередньо для віднесення коментарів до класу "токсичні" використано класифікатор логістичної регресії, метод класифікації за допомогою лінійних опорних векторів без та з методом навчання - стохастичним градієнтним спуском, класифікатор "випадковий ліс" та класифікатор з посиленням градієнта. З метою оцінки роботи класифікаторів використано методи підрахунку матриці помилок, точності, повноти та Ф-міри. Для більш узагальненої оцінки використано метод перехресної перевірки. Мова програмування - Python. На основі показників оцінки обрано найбільш результативні методи - метод опорних векторів (Linear SVM) без та з методом навчання за допомогою стохастичного градієнтного спуску. Описані технології можуть бути використані для аналізу текстових коментарів під будь-якими навчальними відео для виявлення токсичних відгуків. Розроблений підхід може бути корисним для виявлення небажаної або навіть агресивної інформації в соціальних мережах або сервісах, де передбачені відгуки. Використано комбінацію методів попередньої обробки специфічного виду тексту із врахуванням таких особливостей, як можливість наявності таймокодів, емоджі, посилань тощо, а також адаптовано класифікаційні методи машинного навчання для аналізу російськомовних коментарів. Проведено оптимізацію (спрощення) процесу аналізу коментарів, необхідність якої обумовлена зростаючими обсягами текстових даних, особливо у сфері освіти через карантинні умови й перехід на дистанційну форму навчання. Обсяги навчального інтернет-контенту вже потребують автоматизації процесу обробки й аналізу відгуків із часом ця потреба тільки зростатиме.
|
|
|