Простийпошук |
Розширенийпошук |
Покажчики
|
Професійний пошук |
Рубрикатор НБУВ |
Розподілений пошук |
Бази даних
Наукова періодика України - результати пошуку
Книжкові видання та компакт-дискиЖурнали та продовжувані виданняАвтореферати дисертаційРеферативна база данихНаукова періодика УкраїниТематичний навігаторАвторитетний файл імен осіб
 |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
| Знайдено в інших БД: | Книжкові видання та компакт-диски (10) | Журнали та продовжувані видання (2) | Автореферати дисертацій (1) | Реферативна база даних (41) | Авторитетний файл імен осіб (1) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Штовба С$<.>) | |||
|
Загальна кількість знайдених документів : 16 Представлено документи з 1 до 16 |
|||
| 1. | 
Штовба С. Д. Ідентифікація взаємозв’язку корупції та тіньової економіки в європейських країнах в 2003—2012 роках [Електронний ресурс] / С. Д. Штовба, О. В. Штовба // Вісник Вінницького політехнічного інституту. - 2013. - № 4. - С. 63-68. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2013_4_15 | ||
| 2. | 
Штовба С. Д. Размещение базовых станций беспроводных широкополосных сетей с помощью муравьиного алгоритма оптимизации [Електронний ресурс] / С. Д. Штовба, С. Ю. Ермолев, В. Г. Карташевский // Оптико-електронні інформаційно-енергетичні технології. - 2011. - № 1. - С. 156-162. - Режим доступу: http://nbuv.gov.ua/UJRN/oeiet_2011_1_23 Модифицирована постановка задачи оптимального размещения базовых станций в беспроводных сетях с учетом затухания сигналов в радиоканале. Разработан эвристический метод решения этой задачи на основе муравьиных алгоритмов оптимизации. | ||
| 3. |
Штовба С. Д. Критерії навчання нечіткого класифікатора, що враховують платіжну матрицю [Електронний ресурс] / С. Д. Штовба, О. Д. Панкевич, А. В. Нагорна // Вісник Вінницького політехнічного інституту. - 2013. - № 6. - С. 84-90. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2013_6_25 В нечітких класифікаторах зв'язок "входи - вихід" описано лінгвістичними правилами "Якщо - тоді", антецеденти яких містять нечіткі терми "низький", "середній", "високий" тощо. Для підвищення безпомилковості нечіткий класифікатор навчають за експериментальними даними. Узагальнено критерії навчання нечіткого класифікатора на випадок платіжної матриці, в якій записані вартості помилок різних типів. Комп'ютерні експерименти із розв'язання задачі діагностики хвороби серця показали, що найкращу якість настроювання забезпечує використання критерію навчання, в якому відстань між нечіткими результатами логічного виведення та експериментальними даними для випадків помилкової класифікації зважується штрафним коефіцієнтом. | ||
| 4. | 
Штовба С. Д. Залежність точності ідентифікації від обсягу нечіткої синглтонної бази знань [Електронний ресурс] / С. Д. Штовба, О. Д. Панкевич, В. В. Мазуренко // Інформаційні технології та комп'ютерна інженерія. - 2011. - № 1. - С. 73-78. - Режим доступу: http://nbuv.gov.ua/UJRN/Itki_2011_1_12 | ||
| 5. | 
Штовба С. Д. Прогнозування трудомісткості розробки програмних систем за допомогою нечіткої гібридної моделі. [Електронний ресурс] / С. Д. Штовба, А. А. Яковенко. // Наукові праці Вінницького національного технічного університету. - 2014. - Вип. 1. - Режим доступу: http://nbuv.gov.ua/UJRN/VNTUV_2014_1_12 | ||
| 6. |
Мазуренко В. В. Огляд моделей аналізу соціальних мереж [Електронний ресурс] / В. В. Мазуренко, С. Д. Штовба // Вісник Вінницького політехнічного інституту. - 2015. - № 2. - С. 62-74. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2015_2_12 Розглянуто історію розвитку аналізування соціальних мереж. Детально розглянуто основні типи соціальних мереж та методи їх аналізу. Розкрито актуальність розвитку та застосування методології аналізу соціальних мереж, зокрема в сучасних інформаційних технологіях. | ||
| 7. | 
Штовба С. Д. Критерії навчання нечіткого класифікатора на основі відстані між головними конкурентами [Електронний ресурс] / С. Д. Штовба, А. В. Галущак // Радіоелектроніка, інформатика, управління. - 2016. - № 2. - С. 70-76. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2016_2_11 Зазначено, що класифікація - це віднесення об'єкта за деякими ознаками до одного з класів. До класифікації зводяться різноманітні завдання прийняття рішень в інженерії, економіці, медицині, соціології та в інших галузях. В нечітких класифікаторах залежність "входи - вихід" описуються за допомогою лінгвістичних правил "Якщо - тоді", антецеденти яких містять нечіткі терми "низький", "середній", "високий" тощо. Для підвищення безпомилковості нечіткий класифікатор навчають за експериментальними даними. Запропоновано нові критерії навчання нечіткого класифікатора, які враховують різницю належностей нечіткого висновку лише до головних конкурентів. За правильної класифікації головним конкурентом прийнятого рішення є клас, що має другий за величиною ступінь належності. У випадку неправильної класифікації помилково прийняте рішення є головним конкурентом правильного класу. Проведені комп'ютерні експерименти із навчання нечіткого класифікатора для розпізнавання трьох сортів італійських вин засвідчили суттєву перевагу нових критеріїв. Серед нових критеріїв помірну перевагу має критерій на основі квадратичної відстані між головними конкурентами з штрафом за помилкове рішення. Нові критерії можуть застосовуватися не лише для навчання нечітких класифікаторів, але і для навчання деяких інших моделей, наприклад, нейронних мереж. | ||
| 8. |
Штовба С. Д. Аналіз наукометричних індикаторів для оцінювання здобутків вченого [Електронний ресурс] / С. Д. Штовба, О. В. Штовба // Вісник Вінницького політехнічного інституту. - 2016. - № 1. - С. 115-123. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2016_1_20 Здійснено аналіз основних наукометричних індикаторів, які враховують кількість публікацій та кількість цитувань, як окремо, так і спільно. Показано способи врахування додаткової інформації щодо кількості співавторів, статусу журналу, наукового стажу, договірного цитування тощо. Розглянуто пастки наукометричних індикаторів, які пов'язані з прихованими та з неформальними посиланнями, а також з помилками у списку літератури. Описано робастний спосіб ідентифікації наукових зірок на основі підрахунку кількості високоцитованих статей-шедеврів. | ||
| 9. |
Штовба С. Д. Навчання нечіткого класифікатора з урахуванням лише головних конкурентів [Електронний ресурс] / С. Д. Штовба, А. В. Галущак // Вісник Вінницького політехнічного інституту. - 2016. - № 1. - С. 124-132. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2016_1_21 В нечітких класифікаторах зв'язок "входи - вихід" описується лінгвістичними правилами "Якщо - тоді", антецеденти яких містять нечіткі терми "низький", "середній", "високий" тощо. Для підвищення безпомилковості нечіткий класифікатор навчають за експериментальними даними. Запропоновано нові критерії навчання нечіткого класифікатора, які враховують різницю належностей нечіткого висновку лише до головних конкурентів. За правильної класифікації головним конкурентом прийнятого рішення є клас, що має другий за величиною ступінь належності. У випадку неправильної класифікації помилково прийняте рішення є головним конкурентом правильного класу. Комп'ютерні експерименти з настроювання нечіткого класифікатора для UCI-задачі з розпізнавання італійських вин засвідчили суттєву перевагу нових критеріїв навчання. Нові критерії навчання можуть застосовуватися не лише для настроювання нечітких класифікаторів, але і деяких інших моделей, наприклад, нейронних мереж. | ||
| 10. | 
Штовба С. Д. Нечіткі технології в брендинзі [Електронний ресурс] / С. Д. Штовба, О. В. Штовба // Нейро-нечіткі технології моделювання в економіці. - 2013. - № 2. - С. 187-202. - Режим доступу: http://nbuv.gov.ua/UJRN/Nntm_2013_2_10 | ||
| 11. |
Штовба С. Д. Метрика схожості категоріальних розподілів, що враховує спорідненість різних категорій [Електронний ресурс] / С. Д. Штовба, М. В. Петричко, М. Ю. Петранова // Вісник Вінницького політехнічного інституту. - 2023. - № 2. - С. 49-57. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2023_2_9 Оцінювання схожості двох об'єктів - це поширена задача в розпізнаванні образів, кластеризації та класифікації. Прикладами таких задач є підбір рецензентів наукових робіт, аналіз схожості текстових документів, ідентифікація поз людей у відеоряді, кластеризація природних ареалів, формування рекомендацій в інтернет-магазинах тощо. У випадку категоріальних атрибутів об'єкти описуються деяким розподілом ступенів належності за категоріями. Метрики схожості таких розподілів зазвичай є суперпозицією схожості об'єктів за кожною категорією. Найчастіше це сума схожості за окремими категоріями. При цьому, кожна категорія розглядається незалежно та ізольовано від інших. В деяких практичних задачах категорії є спорідненими. Тому схожість між об'єктами доцільно розраховувати не лише напряму, як схожість між еквівалентними категоріями, але враховувати і непряму, перехресну схожість через споріднені категорії. Саме така метрика схожості двох категоріальних розподілів, що враховує спорідненість різних категорій, і пропонується у статті. Метрика має дві складові. Перша складова реалізована метрикою Чекановського. Вона визначає пряму схожість розподілів за категоріями як суму перетину розподілів належностей двох об'єктів. Після перетину розподілів залишаються залишки, які і враховуються другою складовою запропонованої метрики. Друга складова метрики є сумою поелементного добутку двох матриць: матриці композиції залишків належності двох категоріальних розподілів та матриці попарної спорідненості категорій. Передбачається, що коефіцієнти спорідненості кожної пари категорій є відомими. Встановлено, що за великої кількості категорій сумарний шумовий внесок від слабо споріднених категорій є значним. Тому запропоновано цей шум фільтрувати і враховувати лише внесок від сильно споріднених категорій. | ||
| 12. |
Штовба С. Д. Порівняння критеріїв навчання нечіткого класифікатора з виведенням на основі голосування правилами [Електронний ресурс] / С. Д. Штовба, А. В. Галущак. // Наукові праці Вінницького національного технічного університету. - 2015. - № 4. - Режим доступу: http://nbuv.gov.ua/UJRN/VNTUV_2015_4_9 Запропоновано новий критерій навчання нечіткого класифікатора, який поєднує переваги двох відомих - відсотка безпомилковості та відстані між нечіткими множинами. Експерименти свідчать, що безпомилковість нечітких класифікаторів після навчання за новим критерієм є кращою. | ||
| 13. |
Штовба О. В. Глобальні бренди в наукових дослідженнях: тенденції останнього десятиріччя [Електронний ресурс] / О. В. Штовба, С. Д. Штовба. // Наукові праці Вінницького національного технічного університету. - 2019. - № 4. - Режим доступу: http://nbuv.gov.ua/UJRN/VNTUV_2019_4_6 | ||
| 14. |
Штовба С. Д. Вплив синтаксичних зв’язків у реченнях на якість ідентифікації токсичних коментарів в соціальній мережі [Електронний ресурс] / С. Д. Штовба, О. В. Штовба, О. В. Яхимович, М. В. Петричко. // Наукові праці Вінницького національного технічного університету. - 2019. - № 4. - Режим доступу: http://nbuv.gov.ua/UJRN/VNTUV_2019_4_7 | ||
| 15. |
Шульгін О. Я. Консолідоване ранжування сучасних хмарних онлайн-сервісів розпізнавання об’єктів на зображеннях [Електронний ресурс] / О. Я. Шульгін, С. Д. Штовба // Вісник Вінницького політехнічного інституту. - 2023. - № 6. - С. 39-45. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2023_6_7 Автоматизація розпізнавання об'єктів на зображеннях є доволі поширеною задачею з очевидним практичним застосування у промисловому виробництві, медицині, транспорті, безпеці та інших галузях. Сьогодні існує кілька хмарних сервісів, які пропонують онлайн-інструменти для вирішення різних завдань, пов'язаних з розпізнаванням зображень. Вони мають низку переваг над традиційними інструментами. Наразі відсутні методи, які б дозволили користувачу виявити, якій саме хмарний сервіс найкраще підходить під його задачі. При цьому оцінювання має бути стислим і базуватися на використанні обмеженого набору профільних зображень. Відповідно типовий метод грубої сили, який потребує завантаження та аналізу великої кількості зображень є неприйнятним. Метод має грунтуватися на деталізованому аналізі результатів розпізнавання за малим набором тестових зображень з урахуванням особливостей хмарних сервісів. Запропоновано метод ранжування хмарних сервісів за малих тестових датасетів. При цьому користувач формує тестові датасети з урахуванням профілю власних задач розпізнавання об'єктів. Запропонований метод базується на трьох частинних метриках, кожна з яких враховує ту чи іншу особливість хмарних сервісів. Перша метрика - це різниця між добутком рівнів впевненості правильно розпізнаних об'єктів та добутком рівнів впевненості хибно розпізнаних об'єктів. Друга метрика - це медіанне значення довжини списку виявлених об'єктів до першої помилки. Список об'єктів має бути відсортовано за спаданням впевненості. Перші дві частинні метрики є традиційними, а третя - новою. Фінальне рішення ухвалюється за консолідованим рейтингом, який агрегує три частинні метрики. Застосування методу ілюструється на задачі ранжування хмарних сервісів Microsoft Azure AI Vision Studio, Amazon Rekognition, Google Cloud Vision та Imagga. | ||
| 16. |
Петричко М. В. Автоматизація підбору наукових рецензентів: огляд задач і методів [Електронний ресурс] / М. В. Петричко, С. Д. Штовба // Вісник Вінницького політехнічного інституту. - 2024. - № 1. - С. 56-64. - Режим доступу: http://nbuv.gov.ua/UJRN/vvpi_2024_1_11 | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |