Пошуковий запит: (<.>A=Терейковська Л$<.>) |
Загальна кількість знайдених документів : 12
Представлено документи з 1 до 12
|
1. |
Терейковська Л. О. Проблема голосової взаємодії в дистанційному навчанні вищого навчального закладу. [Електронний ресурс] / Л. О. Терейковська, І. А. Терейковський // Управління розвитком складних систем. - 2013. - Вип. 13. - С. 157-161. - Режим доступу: http://nbuv.gov.ua/UJRN/Urss_2013_13_31
|
2. |
Терейковська Л. О. Архітектура марківської моделі зміни навантаження Web-серверу [Електронний ресурс] / Л. О. Терейковська // Вісник Державного університету інформаційно-комунікаційних технологій. - 2012. - т. 10, № 1. - С. 95-100. - Режим доступу: http://nbuv.gov.ua/UJRN/vduikt_2012_10_1_19
|
3. |
Терейковський І. А. Метод кодування вихідного сигналу нейромережевих моделей [Електронний ресурс] / І. А. Терейковський, Л. О. Терейковська // Наукові вісті Національного технічного університету України "Київський політехнічний інститут". - 2017. - № 5. - С. 59-64. - Режим доступу: http://nbuv.gov.ua/UJRN/NVKPI_2017_5_9 Вагомий недолік технології створення сучасних нейромережевих моделей на базі багатошарового персептрона полягає в тому, що при кодуванні параметрів навчальних прикладів не враховується кореляція очікуваного вихідного сигналу із близькістю еталонів класів, що мають бути розпізнаними. Мета дослідження - розробка методу кодування вихідного сигналу навчальних прикладів, який забезпечує відображення близькості еталонів класів, що мають бути розпізнані. Метод кодування базується на ймовірнісній нейронній мережі, в навчальних прикладах якої очікуваний вихідний сигнал визначається не в числовому вигляді, а назвою класу, що має бути розпізнаний. У той же час при розпізнаванні можливо у вихідному сигналі цієї мережі у числовому вигляді відобразити близькість вхідного образу до кожного класу, що був закладений у неї при навчанні. Розроблено метод кодування, який за рахунок використання ймовірнісної нейронної мережі дає змогу врахувати в очікуваному вихідному сигналі навчальних прикладів близькість еталонів класів, що мають бути розпізнані. Висновки: використання запропонованого методу дає можливість у 1,3 - 1,5 разу зменшити кількість навчальних ітерацій для досягнення допустимої помилки навчання в межах 1 %.
|
4. |
Терейковська Л. О. Метод нейромережевого аналізу голосового сигналу [Електронний ресурс] / Л. О. Терейковська // Кібербезпека: освіта, наука, техніка. - 2020. - № 3. - С. 31-42. - Режим доступу: http://nbuv.gov.ua/UJRN/cest_2020_3_5
|
5. |
Терейковська Л. О. Метод адаптації глибокої нейронної мережі до розпізнавання комп’ютерних вірусів [Електронний ресурс] / Л. О. Терейковська, Є. В. Іванченко, В. В. Погорелов // Комп'ютерно-інтегровані технології: освіта, наука, виробництво. - 2019. - № 35. - С. 198-205. - Режим доступу: http://nbuv.gov.ua/UJRN/Kitonv_2019_35_35
|
6. |
Терейковська Л. О. Метод нейромережевого аналізу клавіатурного почерку [Електронний ресурс] / Л. О. Терейковська // Комп'ютерно-інтегровані технології: освіта, наука, виробництво. - 2019. - № 37. - С. 53-59. - Режим доступу: http://nbuv.gov.ua/UJRN/kint_2019_37_10
|
7. |
Терейковська Л. О. Модель формування навчальних прикладів нейронної мережі, що призначена для аналізу клавіатурного почерку [Електронний ресурс] / Л. О. Терейковська // Кібербезпека: освіта, наука, техніка. - 2020. - № 1. - С. 104-114. - Режим доступу: http://nbuv.gov.ua/UJRN/cest_2020_1_11
|
8. |
Толюпа С. Побудова систем виявлення кібератак за допомогою прихованої марківської моделі [Електронний ресурс] / С. Толюпа, І. Пархоменко, Л. Терейковська, В. Квасніков // Технічні науки та технології. - 2021. - № 1. - С. 53-61. - Режим доступу: http://nbuv.gov.ua/UJRN/tnt_2021_1_8 Одним із найбільш перспективних напрямків підвищення якості аналізу даних є використання їх у системах виявлення мережевих кібератак методом виявлення аномалій. У цьому методі робота аналізаторів даних базується на припущенні, що ознакою кібератаки служить деяке відхилення контрольованих параметрів комп'ютерної системи від параметрів, що характеризують нормальне функціонування мережі. У результаті проведених досліджень обгрунтована можливість формування шаблонів нормальної поведінки мережевих об'єктів комп'ютерних систем на основі однорідного ланцюга Маркова з послідовними переходами.
|
9. |
Терейковська Л. О. Метод нейромережевого розпізнавання емоцій по зображенню обличчя [Електронний ресурс] / Л. О. Терейковська // Комп'ютерно-інтегровані технології: освіта, наука, виробництво. - 2020. - № 40. - С. 146-152. - Режим доступу: http://nbuv.gov.ua/UJRN/kint_2020_40_24
|
10. |
Бушуєв С. Д. Нейромережева модель детектування контуру обличчя людини [Електронний ресурс] / С. Д. Бушуєв, Ю. О. Кулаков, Л. О. Терейковська, І. А. Терейковський, О. І. Терейковський // Управління розвитком складних систем. - 2022. - Вип. 51. - С. 5-11. - Режим доступу: http://nbuv.gov.ua/UJRN/Urss_2022_51_3
|
11. |
Бушуєв С. Д. Інфраструктурні проєкти організації дорожнього руху: вибір методології управління [Електронний ресурс] / С. Д. Бушуєв, О. В. Веренич, Л. О. Терейковська, О. С. Войтенко // Управління розвитком складних систем. - 2023. - Вип. 56. - С. 24-30. - Режим доступу: http://nbuv.gov.ua/UJRN/Urss_2023_56_5
|
12. |
Дичка І. А. Концептуальна модель процесу прогнозування навантаження на вебсервер [Електронний ресурс] / І. А. Дичка, К. О. Радченко, І. А. Терейковський, Л. О. Терейковська // Комп'ютерно-інтегровані технології: освіта, наука, виробництво. - 2024. - № 54. - С. 74-83. - Режим доступу: http://nbuv.gov.ua/UJRN/kint_2024_54_11
|