Інтелектуальний аналіз даних
Journal Title: Бионика интеллекта - Year 2019, Vol 1, Issue 92
Abstract
У статті досліджено роботу методів інтелектуального аналізу даних, таких як лінійна і поліноміальна регресія та метод опорних векторів. Успіх застосування заснований на тому, що методи і технології Data mining забезпечують дослідження даних і виявлення в них прихованих закономірностей різних видів. Аналіз допомагає виявити різні ознаки і параметри даних, і тому є сильним інструментом на етапі формування моделей прогнозування.
Authors and Affiliations
Г. В. Марчук, В. Л. Левківський, С. С. Каліберда
Keywords
Related Articles
- EP ID EP668509
- DOI -
- Views 136
- Downloads 0
Methods Of Structural Synthesis And Automated Configuration Of The Program Architecture Of Information System
Authors represent analysis of the methods of structural synthesis and customization of the information system software. It is indicated that modern methods do not satisfy the requirements for effective adaptation of soft...
Виявлення вузликів легкого на цифрових медичних зображеннях
Дана робота представляє дослідження, в якому розглядаються питання цифрової обробки та аналізу медичних зображень. В якості медичних зображень розглянуті зображення легкого людини, які отримані за допомогою комп'ютерної...
Моделювання та автоматизація процесу електрокоагуляційного очищення стічних вод
Побудовано математичну модель процесу електрокоагуляційного очищення стічних вод, що враховує геометричні розміри реактора, об’ємну витрату рідини та прикладену силу струму. Розроблено імітаційну модель, яка описує проце...
Розробка інформаційної технології інтелектуального аналізу фактографічної інформації
З швидким розвитком технологій — інформацію розглядають як один з основних ресурсів розвитку спільноти, а інформаційні системи та технології – як знаряддя удосконалення продуктивності праці та ефективності роботи особово...
Порівняння методів прогнозування часових рядів
Стаття присвячена опису і порівнянню моделей прогнозування часових рядів і виявленню можливостей застосування різних моделей для вирішення задач прогнозування з різними вихідними даними: часові інтервали, наявність сезон...