To see the other types of publications on this topic, follow the link: K ближайших соседей.
Journal articles on the topic 'K ближайших соседей'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 41 journal articles for your research on the topic 'K ближайших соседей.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse journal articles on a wide variety of disciplines and organise your bibliography correctly.
1
А.С., Осипов. "О нечётких алгоритмах ближайших соседей". Труды НИИСИ РАН 8, № 5 (2018): 153–61. http://dx.doi.org/10.25682/niisi.2018.5.0023.
Full textAbstract:
В статье рассматриваются нечёткие алгоритмы классификации, основанные на правиле «ближайших соседей», в контексте теории алгоритмов распознавания, основанных на вычислении оценок (АВО). Установлено, что нечёткий алгоритм K ближайших соседей можно отнести к классу АВО. В свою очередь, показано, что стандартные алгоритмы вычисления оценок, зависящие от ряда входных параметров, можно использовать как нечёткие алгоритмы классификации. При этом среди них существуют экстремальные (по входным параметрам) алгоритмы, дающие максимум функционалов качества. In the paper some fuzzy classification algorithms based upon a nearest neighbor decision rule are considered in terms of the theory of pattern recognition algorithms based on computation of estimates (AEC). It is shown that the fuzzy K nearest neighbor algorithm can be assigned to the AEC class. In turn, it is found that some standard algorithms of AEC class, depending on a number of input parameters, can be used as fuzzy classification algorithms. Yet among them there exist extremal algorithms which provide maximum values of their performance measures
2
Муртазаев, А. К., М. К. Рамазанов, Д. Р. Курбанова, М. К. Бадиев та Я. К. Абуев. "Исследование критических свойств модели Изинга на объемно центрированной кубической решетке с учетом взаимодействия следующих за ближайшими соседей". Физика твердого тела 59, № 6 (2017): 1082. http://dx.doi.org/10.21883/ftt.2017.06.44480.169.
Full textAbstract:
Репличным методом Монте-Карло выполнены исследования критического поведения трехмерной антиферромагнитной модели Изинга на объемно центрированной кубической решетке с учетом взаимодействий следующих за ближайшими соседей. Исследования проведены для соотношений величин обменных взаимодействий следующих за ближайшими и ближайших соседей k=J2/J1 в диапазоне значений k [0.0,1.0] с шагом Delta k=0.1. В рамках теории конечно-размерного скейлинга рассчитаны статические критические индексы теплоемкости alpha, восприимчивости gamma, параметра порядка beta, радиуса корреляции nu, а также индекс Фишера eta. Показано, что класс универсальности критического поведения этой модели сохраняется в интервале значений k [0.0,0.6]. Установлено, что в диапазоне k [0.8,1.0] наблюдается неуниверсальное критическое поведение. Исследование выполнено при финансовой поддержке РФФИ в рамках научных проектов N 16-02-00214-а и 16-32-00105-мол-а. DOI: 10.21883/FTT.2017.06.44480.169
3
Черикбаева, Ляйля, Феруза Маликова, Айнур Толеушова, Мадина Болысханова та Бекжан Балқашбай. "ПРОГНОЗИРОВАНИЕ ДИАБЕТА С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ K-БЛИЖАЙШИХ СОСЕДЕЙ". Вестник КазАТК 128, № 5 (2023): 288–97. http://dx.doi.org/10.52167/1609-1817-2023-128-5-288-297.
Full textAbstract:
В настоящее время услуги электронного здравоохранения стали бурно развивающейся областью, которая относится к компьютерному здравоохранению и предоставлению информации для улучшения медицинского обслуживания на местном, региональном и мировом уровне. Эффективная модель прогнозирования риска заболевания путем анализа электронных медицинских данных помогает не только лечить пациента, но и предоставлять услуги через соответствующие системы электронного здравоохранения, основанные на данных. В данной работе мы уделяем особое внимание прогнозированию и анализу сахарного диабета, все более распространенного хронического заболевания, которое относится к группе метаболических нарушений, характеризующихся высоким уровнем сахара в крови в течение длительного периода времени. K Nearest Neighbor (KNN) является одним из самых популярных и простых методов машинного обучения для построения такой модели прогнозирования риска заболевания на основе соответствующих медицинских данных. Для достижения нашей цели мы представляем оптимальную модель прогнозирования на основе обучения K Nearest Neighbor (Opt-KNN), основанную на привычных атрибутах пациента в различных измерениях. Этот подход определяет оптимальное количество соседей с низким коэффициентом ошибок для обеспечения лучшего прогнозирования в результирующей модели. Эффективность этой модели электронного здравоохранения на основе машинного обучения проверяется путем проведения экспериментов на реальных данных о сахарном диабете, собранных в медицинских учреждениях. больниц.
4
Коржавых, Владислав Валерьевич, та Евгений Георгиевич Жиляков. "Декомпозиция отрезков временных рядов на основе субполосных представлений". Вестник Донецкого национального университета. Серия Г: Технические науки, № 1 (28 лютого 2025): 65–84. https://doi.org/10.5281/zenodo.15056692.
Full textAbstract:
В данной статье представлен подход к декомпозиции временных рядов потребления электроэнергии с использованием субполосных представлений. Исследование ориентировано на выделение квазипериодической компоненты и случайных флуктуаций временных рядов, а также на анализ их распределений. Физический фундамент субполосных представлений является важным обоснованием адекватности данного метода, позволяющим учитывать особенности исследуемых временных рядов и эффективно решать задачи выделения системных и остаточных компонент. Исследованы гипотезы о распределениях случайных компонент (нормальное, логнормальное, гамма-распределение и др.), определены погрешности аппроксимации временного ряда с выделенной квазипериодической компонентой и нормально распределенными остатками. Также проведено сравнение результатов декомпозиции с использованием методов экспоненциального сглаживания и k-ближайших соседей. Выявлено, что субполосные представления обеспечивают минимальный уровень автокорреляции остатков при высокой точности декомпозиции. Продемонстрирована эффективность метода на данных бытового и коммерческого сектора потребления электроэнергии. <strong><em>Ключевые слова:</em></strong><strong> </strong>временные ряды потребления электроэнергии, субполосные представления, декомпозиция временного ряда, экспоненциальное сглаживание, k -ближайших соседей, dbscan.
5
Kislitsyn, Alexey Alexeevich, and Yurii Nikolaevich Orlov. "The investigation of the k-NN graph statistics." Keldysh Institute Preprints, no. 85 (2021): 1–23. http://dx.doi.org/10.20948/prepr-2021-85.
Full textAbstract:
In this paper the investigation of the structure of k-NN graph is presented. The purpose of this analysis is to match the probability of implementation particular graph under assumption of a certain distribution of distances between vertices and depending on the number of vertices. Sample distributions of the graph by the number of disconnected fragments, fragments by the number of vertices, and vertices by the degrees of incoming edges are used as the main statistics. As an example, the problem of identifying the author of a text by the n-gram method is considered.
6
Шодмонов, Д. А. "Информационная модель профессиональной ориентации: анализ компетенций с использованием метода k-NN". Международный Журнал Теоретических и Прикладных Вопросов Цифровых Технологий 8, № 1 (2025): 158–64. https://doi.org/10.62132/ijdt.v8i1.244.
Full textAbstract:
Статья посвящена разработке информационной модели профес-сиональной ориентации, ориентированной на анализ компетенций с использованием метода k-ближайших соседей (k-NN). В работе метод применяется для оценки уровня развития различных профессиональных навыков и компетенций у студентов, а также для определения соответствия этих компетенций требованиям конкретных профессий. Осуществляет процесс сбора и обработки данных о компетенциях, а также построение моделей, которые помогают спрогнозировать подходящую профессиональную деятельность для каждого человека. Особое внимание уделено возможностям применения k-NN для создания персонализированных рекомендаций по выбору профессии на основе уже существующих функций и интересов.
7
Андрей Сергеевич, Землянников, та Сысоев Илья Вячеславович. "ДИАГНОСТИКА И КОРРЕКЦИЯ СИСТЕМАТИЧЕСКОЙ ОШИБКИ ПРИ ОЦЕНКЕ ЭНТРОПИИ ПЕРЕНОСА МЕТОДОМ K-БЛИЖАЙШИХ СОСЕДЕЙ". Applied nonlinear dynamics. Izvestiya VUZ 23, № 4 (2015): 24–31. http://dx.doi.org/10.18500/0869-6632-2015-23-4-24-31.
Full text
8
Дашдамирова, Г. Е., Э. Б. Аскеров та Д. И. Исмаилов. "Электронографическое исследование фазообразования в нанотолщинных слоях систем Cu-=SUB=-2-=/SUB=-Te-In-=SUB=-2-=/SUB=-Te-=SUB=-3-=/SUB=-, Cu-In-Te и ближний атомный порядок в аморфных пленках CuIn-=SUB=-5-=/SUB=-Te-=SUB=-8-=/SUB=-". Физика и техника полупроводников 56, № 5 (2022): 447. http://dx.doi.org/10.21883/ftp.2022.05.52344.9794.
Full textAbstract:
Показано, что при одновременном и последовательном осаждении пленок системы Cu2Te-In2Te3, а также используемых в качестве исходных материалов меди, индия и теллура высшей очистки &#126;99.999&#37;, взятых в соотношениях Cu : In : Te = 1 : 5 : 8, независимо от порядка напыления выделяются тройные соединения составов CuInTe2, CuIn3Te5 и CuIn5Te8 в кристаллическом состоянии. При вакуумной конденсации пленок на монокристаллические подложки NaCl, KCl и аморфный целлулоид, охлажденные жидким азотом до 203 K, образующиеся пленки, полученные как совместным испарением двойных соединений системы Cu2Te-In2Te3, так и синтезом тонких слоев, примененных Cu, In, Te, являются аморфными. Впервые в наноразмерных аморфных пленках состава CuIn5Te8, кристаллизующихся в тетрагональной сингонии с периодами элементарных ячеек a=6.162 Angstrem, c=12.291 Angstrem, полученных как в обычных условиях, так и в условиях воздействия внешнего электрического поля напряженностью 500 В &#183; см-1, установлена структура ближнего атомного порядка --- число ближайших соседей, координационные числа и радиусы координационных сфер. Выявлено, что в аморфных пленках CuIn5Te8, полученных в условиях воздействия внешнего электрического поля, в которых матрицы состоят из тетраэдрических и октаэдрических окружений атомов, в отличие от пленок, формирующихся без воздействия поля, число ближайших соседей, оставаясь неизменным, радиусы координационных сфер и межатомные расстояния несколько укорачиваются. Ключевые слова: фазообразование, электронограмма, функция радиального распределения атомов (ФРРА), когерентное рассеяние электронов.
9
Минин, А. С. "Бинаризация вероятностного прогноза методом ROC AUC". ТЕНДЕНЦИИ РАЗВИТИЯ НАУКИ И ОБРАЗОВАНИЯ 104, № 14 (2023): 87–91. http://dx.doi.org/10.18411/trnio-12-2023-789.
Full textAbstract:
В работе проведено исследование влияния порога бинаризации вероятностного прогноза классификатора k-ближайших соседей на значение метрики ROC AUC. Путем варьирования порога бинаризации прогнозов и расчета ROC AUC выявлен оптимальный порог, при котором достигается максимальное значение метрики. Актуальность работы обусловлена широким практическим применением вероятностных классификаторов и необходимостью преобразования их непрерывных прогнозов в дискретные классы. Целью исследования является нахождение оптимального значения порога бинаризации для конкретного классификатора и набора данных на основе анализа зависимости метрики качества ROC AUC от величины порога. Полученные результаты могут быть использованы для настройки и оптимизации работы классификаторов, основанных на вероятностных прогнозах.
10
Ганиходжаев, Насир Набиевич, Nasir Nabievich Ganikhodzhaev, Уткир Абдуллоевич Розиков, Utkir Abdulloevich Rozikov, Носиржон Муйдинович Хатамов та Nosirzhon Muidinovich Khatamov. "Меры Гиббса для модели HC-Блюма-Капеля со счетным числом состояний на дереве Кэли". Teoreticheskaya i Matematicheskaya Fizika 211, № 3 (2022): 491–501. http://dx.doi.org/10.4213/tmf10245.
Full textAbstract:
Изучается модель HC-Блюма-Капеля со счетным множеством $\mathbb Z$ значений спина и силой взаимодействия $J\in \mathbb R$ ближайших соседей на дереве Кэли порядка $k\geq 2$. Получены следующие результаты. Пусть $\theta=e^{-J/T}$, $T>0$ - температура. При $\theta\geq1$ не существуют трансляционно-инвариантные меры Гиббса, а также не существуют 2-периодические меры Гиббса. При $0<\theta<1$ доказана единственность трансляционно-инвариантной меры Гиббса. Пусть $\Theta=\sum_i\theta^{(k+1)i^2}$ и $\Theta_\mathrm{cr}(k)=k^k/(k-1)^{k+1}$. Если $0<\Theta\leq\Theta_\mathrm{cr}$, существует ровно одна 2-периодическая мера Гиббса, которая является трансляционно-инвариантной мерой Гиббса. При $\Theta>\Theta_\mathrm{cr}$ существуют ровно три 2-периодические меры Гиббса, одна из которых является трансляционно-инвариантной мерой Гиббса.
11
Уздяев, Михаил Юрьевич, та Артем Валерьевич Рябинов. "Исследование подходов к классификации эмоций в невербальном речевом поведении на основе машинного обучения". Вестник ВГУ. Серия: Системный анализ и информационные технологии, № 4 (2 лютого 2021): 81–97. http://dx.doi.org/10.17308/sait.2020.4/3206.
Full textAbstract:
Распознавание эмоций является актуальной задачей ввиду активного развития систем человеко-машинного взаимодействия и цифровых систем коммуникации. В области автоматического распознавания эмоций исследуется, как правило, поведенческая компонента структуры эмоций, которую проще всего анализировать бесконтактно и без участия испытуемого. Экспрессивная компонента эмоций может быть представлена в различных модальностях: мимические выражения, поза и двигательная активность тела, вербальное и невербальное речевое поведение. Наряду с другими модальностями, невербальное речевое поведение может быть использовано для опосредованного распознавания эмоций. Его анализ становится особенно актуальным в случае недостатка или отсутствия данных других модальностей, а также в моделях многомодального распознавания. В данной статье рассматриваются вопросы распознавания эмоций в речи на основе обработки признаковых представлений записей речи в пространстве признаков eGeMAPS, позволяющем выделить наиболее значимую информацию о невербальном проявлении эмоций в аудиосигнале. Распознавание эмоций выполнялось на следующих наборах данных: CREMA-D, IEMOCAP, Emo-DB, RAVDESS, SAVEE, TESS, а также на их комбинациях. Для предварительной оценки применимости того или иного набора данных в рассматриваемом признаковом пространстве была использована предварительная визуализация данных при помощи алгоритма t-SNE. В качестве методов классификации были выбраны методы, основанные на метрической оценке взаимного расположения данных относительно друг друга: метод k-ближайших соседей и метод опорных векторов. В статье приводятся результаты оценки качества классификации исследуемых алгоритмов на основе следующих метрик: доля правильных ответов, точность, полнота. Проведенные эксперименты показали, что метод опорных векторов показывает лучшие результаты в задаче многоклассовой классификации, в то время как метод k-ближайших соседей — в задаче бинарной классификации. При распознавании отдельных классов оба метода достигают наибольшую, не ниже 0,55, точность при распознавании «гнева», наименьшую для классов «счастья» и «отвращения».
12
Demidova, L. A., and Yu S. Sokolova. "TWO-STAGE DATA CLASSIFICATION METHOD BASED ON SVM-ALGORITHM AND THE k NEAREST NEIGHBORS ALGORITHM." Vestnik of Ryazan State Radio Engineering University 62 (2017): 119–32. http://dx.doi.org/10.21667/1995-4565-2017-62-4-119-132.
Full text
13
Терехова, А. Д., Г. В. Терехов, and О. А. Сычев. "Application of machine learning for adjective ordering in English sentences." МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 11, no. 1(40) (2023): 28–29. http://dx.doi.org/10.26102/2310-6018/2023.40.1.028.
Full textAbstract:
В статье рассматривается способ решения задачи упорядочивания прилагательных в предложении на английском языке путем определения их гиперонимов. Определение гиперонима можно свести к задаче классификации, поэтому в данной работе произведено сравнение наиболее популярных методов классификации в машинном обучении: метод поиска ближайших соседей, логистическая регрессия, классификатор дерева решений, метод опорных векторов и наивный байесовский метод. Модели были обучены на выборке, содержащей прилагательные и их гиперонимы. Для анализируемого прилагательного отбираются схожие уже классифицированные прилагательные из обучающей выборки и на основе этих данных определяется наиболее семантически подходящий гипероним. Информацию о схожести слов предлагается брать из готовых эмбеддингов GloVe. Используя технику gridsearch, были подобраны оптимальные значения гиперпараметров для метода поиска ближайших соседей K-Nearest Neighbors. С помощью метрик точности (precision), полноты (recall) и F1-меры было проанализировано качество классификации данных при использовании каждого из перечисленных выше методов. Так как готовых датасетов, состоящих из классифицированных прилагательных, на данный момент нет, то для измерений вручную было классифицировано 300 прилагательных. The article presents a methodology for solving the adjective ordering problem in English sentences by determining their hypernyms. The determining of a hypernym can be represented as a classification task; therefore, the most popular machine-learning classification methods were compared, they include the following: nearest neighbors method, logistic regression, decision classifier, support vector machine and naive Bayes method. The models were trained on a sample that contained adjectives and their hypernyms. For each adjective, similar adjectives from the training sample were selected; the most semantically appropriate hypernym was determined based on them. The use of information about word similarity from GloVe embeddings is proposed. The optimal values of hyperparameters for the K-Nearest Neighbors method were selected by means of the gridsearch technique. The quality of data classification was evaluated applying the metrics of precision, recall, and F1-measure for each of the methods. Since there were no ready-made datasets of classified adjectives, 300 adjectives were classified manually to create necessary samples.
14
Загороднюк, П. А. "Data mining in Go." Vestnik of Russian New University. Series «Complex systems: models, analysis, management», no. 4 (January 10, 2022): 161–66. http://dx.doi.org/10.18137/rnu.v9187.21.04.p.161.
Full textAbstract:
Целью данной статьи является оценка языка программирования Go как инструмента для реализации методов data mining. Для этого проводится анализ задачи классификации и метода k-ближайших соседей, затем предлагается способ программирования данного метода и организации процесс управления и подготовки исходных данных. В заключение на основе проведенной работы делается вывод, насколько Go подходит для решения подобных задач, и есть ли потенциал для реализации остальных методов. The purpose of this article is to evaluate the Go programming language as a tool for implementing data mining methods. To do this, an analysis of the classification problem and the k-nearest neighbors’ algorithm is carried out, then a method is proposed for how this method can be programmed and the process of managing and preparing the initial data can be organized. In conclusion, based on the work carried out, it sums up how well Go is suitable for solving such problems and whether there is potential for the implementation of other methods.
15
Коржавых, Владислав Валерьевич. "Сравнение эффективности алгоритмов машинного обучения на примере прогнозирования среднемесячного потребления электроэнергии интервальных приборов учета потребителей". Research result. Information technologies 9, № 1 (2024): 58–72. http://dx.doi.org/10.18413/2518-1092-2024-9-1-0-7.
Full textAbstract:
Поиск и снижение потерь электроэнергии – одно из ключевых направлений деятельности сетевых организаций для улучшения финансовых результатов. Прогнозирование потребления электроэнергии на основе большого количества критериев и сравнение с фактическими данными является преимущественным способом обнаружения потерь. Однако, данный процесс требует высокой доли автоматизации. Поэтому, для решения этой задачи в настоящей работе рассмотрено применение трех алгоритмов машинного обучения, а также выполнено сравнение их эффективности. Автором сформирована обучающая выборка из базы данных Валуйского района электрических сетей на основе данных приборов учета, входящих в систему АИИСКУЭ, а также проведены эксперименты по реализации на ней следующий алгоритмов: k-ближайших соседей, линейной регрессии и случайного леса. Для сравнения полученных моделей автором были использованы такие показатели эффективности как среднеквадратичная ошибка (MSE), абсолютная средняя ошибка (MAE) и коэффициент детерминации (R^2). Результаты эксперимента показали наибольшую эффективность метода случайного леса в сравнении с остальными рассматриваемыми алгоритмами.
16
Семенова, Ирина Владимировна, Irina Vladimirivna Semenova, Роман Евгеньевич Ильдияров та Roman Evgen'evich Ildiyarov. "Исследование эффективности моделей прогнозирования нагрузки серверов оператора сотовой связи". Математическое моделирование 35, № 1 (2022): 83–94. http://dx.doi.org/10.20948/mm-2023-01-06.
Full textAbstract:
Задача прогнозирования возможных нагрузок в работе сети сотовой связи может быть сведена к построению прогноза о возможном количестве обращений в заданный промежуток времени к одному шлюзу (PGW). Располагая такой информацией для всех шлюзов в сети, можно организовать оптимальное распределение ресурсов, предотвратить перегрузку шлюзов и, как следствие, сбои в работе всей сети. Проведен статистический анализ реальных данных, собранных автоматизированными измерительными комплексами на узлах одной из мобильных сетей, выявлены данные, наиболее подходящие для построения моделей прогнозирования. Представлены результаты исследования возможности и эффективности прогнозирования нагрузки серверов с использованием математических моделей, построенных при помощи следующих методов машинного обучения: линейная регрессия, $k$-ближайших соседей и random forest. Установлено, что для решения задачи построения краткосрочного прогноза о количестве запросов, которые поступят на сервер, не обязательно использовать сложные и требующие вычислительных ресурсов модели. На основании рассчитанных значений метрик качества установлено, что наиболее точный прогноз может быть получен при помощи модели линейной регрессии.
17
Oreshkov, V. I. "INCREASING DATA CLASSIFICATION ACCURACY USING k NEAREST NEIGHBORHOOD ALGORITHM BASED ON TRAINING DATA PRE-CLUSTERIZATION." Vestnik of Ryazan State Radio Engineering University 76 (2021): 65–73. http://dx.doi.org/10.21667/1995-4565-2021-76-65-73.
Full text
18
Малышева, Н. В., Т. А. Золина, Г. В. Сильнягина, А. Н. Филипчук та А. Н. Югов. "Исследование взаимосвязи толщины лесной подстилки и лесотаксационных характеристик с помощью методов машинного обучения". Лесохозяйственная информация, № 2 (23 червня 2025): 70–93. https://doi.org/10.24419/lhi.2304-3083.2025.2.05.
Full textAbstract:
По данным полевых измерений лесной подстилки и подеревной таксации методами машинного обучения построены регрессионные модели зависимости толщины (мощности) подстилки от набора таксационных характеристик. Пространственный уровень моделирования соответствует парцеллярному уровню строения биогеоценоза. Модели описывают зависимость мощности (толщины) подстилки от типа лесорастительных условий, древесной породы, класса бонитета, высоты, возраста древесной породы, максимальной ширины кроны дерева, диаметра ствола на высоте 1,3 м. Сбор образцов подстилки в многократной повторности проведён на пробных площадях одновременно с выполнением работ по государственной инвентаризации лесов 2-го цикла в Валдайском районе Новгородской обл. Объем выборки – 260 образцов. При построении моделей экспериментально опробовано 7 алгоритмов машинного обучения: нейросетевая регрессия, регуляризованная линейная регрессия, регрессия методом бустинга, методом дерева решений, методом случайного леса (Random Forest), методом опорных векторов и методом K-ближайших соседей. Оптимальными, исходя из совокупности критериев качества и коэффициента детерминации, оказались модели, построенные методом K-ближайших соседей и методом опорных векторов: доля дисперсии, объяснённая моделями, в общей дисперсии целевой переменной составляет 0,85 и 0,86, ошибка прогнозирования мощности подстилки – ≈22 и 29% соответственно. Результаты проведённого исследования продемонстрировали эффективность использования методов машинного обучения с целью моделирования таких показателей, для которых не существует точных методов измерения и отличающихся крайней вариативностью в пространстве и во времени. Based on field measurements of forest litter and forest inventory on tree level, regression models are constructed by machine learning methods to estimate the dependence of the thickness (power) of the litter from the set of counting characteristics. The spatial level of modelling corresponds to the parcel level of biogeocoenosis structure. The models describe the dependence of litter thickness on the type of forest conditions, tree species, yield class, tree heights, tree ages, maximum tree crown widths, and diameter at 1.3 m height. Litter samples were collected in multiple repetitions in sample plots simultaneously with the state forest inventory of the 2nd cycle in Valdai District of Novgorod Region. The sample size is 260. Seven machine learning algorithms were experimentally tested for model building: neural network regression, regularized linear regression, boosting regression, decision tree method, Random Forest method, support vector method and K-nearest neighbors’ method. The models built by the K-nearest neighbors’ method and the support vector method were found to be optimal based on a combination of quality criteria and coefficient of determination. The share of variance explained by the models in the total variance of the target variable is 0.85–0.86, and the error in predicting litter thickness is ≈22–29%, respectively. The results of the study demonstrated the effectiveness of using machine learning methods to build models of such indicators, for which there are no accurate measurement methods and which are characterized by extreme variability in space and time.
19
Valdés-Souto, Francisco, Jorge Valeriano-Assem, and Daniel Torres-Robledo. "Improving a Model for NFR Estimation Classifying Equal Size Bands with KNN." Proceedings of the Institute for System Programming of the RAS 35, no. 6 (2023): 29–42. http://dx.doi.org/10.15514/ispras-2023-35(6)-2.
Full textAbstract:
Any software development project needs to estimate Non-Functional Requirements (NFR). Typically, software managers are forced to use expert judgment to estimate the NFR. Today, NFRs cannot be measured, as there is no standardized unit of measurement for them. Consequently, most estimation models focus on the Functional User Requirements (FUR) and do not consider the NFR in the estimation process because these terms are often subjective. The objective of this paper was to show how an NFR estimation model was created using fuzzy logic, and K-Nearest Neighbors classifier algorithm, aiming to consider the subjectivity embedded in NFR terms to solve a specific problem in a Mexican company. The proposed model was developed using a database with real projects from a Mexican company in the private sector.
20
Пашковская, А. П. "Исследование и сравнительный анализ алгоритмов машинного обучения для определения их эффективности в задаче классификации деменции". Современные инновации, системы и технологии - Modern Innovations, Systems and Technologies 5, № 1 (2025): 1041–47. https://doi.org/10.47813/2782-2818-2025-5-1-1041-1047.
Full textAbstract:
В данной работе проведено исследование и сравнительный анализ алгоритмов машинного обучения для классификации деменции у пожилых пациентов. Актуальность темы обусловлена значительным увеличением случаев деменции и важностью своевременной диагностики для улучшения качества жизни. Основная цель исследования заключается в определении эффективности различных методов классификации, применяемых к широкому набору медицинских данных о пациентах в возрасте от 60 до 90 лет, включая демографические и клинические характеристики, а также результаты когнитивных тестов. Работа охватывает этапы предобработки данных, применение различных машинных алгоритмов и их последующий анализ. Рассматриваемые методы включают деревья решений, случайные леса, метод K-ближайших соседей, логистическую регрессию и градиентный бустинг. Кроме того, исследование подчеркивает значимость интерпретируемости моделей и возможные ограничения, связанные с выборкой данных. Результаты работы свидетельствуют о том, что методы машинного обучения могут существенно улучшить диагностику деменции, что открывает новые перспективы для раннего вмешательства и оптимизации ресурсов в системе здравоохранения. Работа предоставляет полезные рекомендации для дальнейших исследований в данной области, а также подчеркивает важность интеграции новых технологий в практическую медицину.
21
Малигаждарова, Наргиз, Bigadevanahalli Avinash та Асель Мукашева. "СРАВНИТЕЛЬНЫЙ АНАЛИЗ МАШИННОГО ОБУЧЕНИЯ И БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ ДЛЯ ОБНАРУЖЕНИЯ УЯЗВИМОСТЕЙ SQL- И NOSQL-ИНЪЕКЦИЙ В КОДЕ". Вестник Алматинского университета энергетики и связи 2, № 69 (2025): 160–69. https://doi.org/10.51775/2790-0886_2025_69_2_160.
Full textAbstract:
Резкое увеличение объема данных в реляционных и нереляционных базах данных спровоцировало рост инъекционных атак, которые заняли третье место среди наиболее опасных угроз в области кибербезопасности. В данном исследовании предлагается эффективный метод выявления уязвимостей SQL и NoSQL инъекций путем сравнительного анализа возможностей моделей машинного обучения и большой языковой модели. В работе проводится тестирование различных моделей, включая логистическую регрессию, наивный Байес Бернулли, дерево решений, метод k-ближайших соседей, случайный лес, многослойный перцептрон, сверточную нейронную сеть, а также тонкую настройку большой языковой модели «gpt-4o-mini-2024-07-18» с использованием техники prompt engineering. Тестирование выполнено на трех недавно опубликованных наборах данных по SQL-инъекциям и на собственном наборе данных по NoSQL-инъекциям, собранном вручную. Результаты показывают, что случайный лес достигает 99% точности в обнаружении SQL инъекций, а тонко настроенная большая языковая модель демонстрирует 97% точности для NoSQL-инъекций. Это подтверждает, что машинное обучение и большие языковые модели могут дополнять друг друга, а их комбинирование способно повысить эффективность обнаружения различных типов инъекционных атак. Полученные результаты могут быть применены для автоматизации выявления и предотвращения уязвимостей на этапе разработки. Наборы данных доступны на GitHub.
22
А., Арнита,, Яни, Мухаммад, Марпаунг, Фаридавати, Хидаят, Мухаммед, and Видианто, Ази. "A comparative study of convolutional neural network and -nearest neighbours algorithms for food image recognition." Вычислительные технологии, no. 6 (December 23, 2022): 88–99. http://dx.doi.org/10.25743/ict.2022.27.6.008.
Full textAbstract:
Важную роль в повседневной жизни играет еда, и осведомленность населения о качестве продуктов питания повысилась. Доступность многих видов продуктов питания затрудняет выбор правильного типа здоровой пищи для потребления. Алгоритмы сверточной нейронной сети (CNN) и k-ближайших соседей (KNN) можно использовать для создания моделей классификации и идентификации, включая идентификацию пищевых продуктов. Поэтому для поддержания здорового питания нужна система, которая может быстро определить тип потребляемой пищи и рассчитать ее калорийность. Необходимо создать наилучшую модель идентификации на основе показателей качества модели для точности, предсказания, отзыва и оценки F1, которые будут использоваться для идентификации пищевых продуктов с использованием алгоритмов CNN и KNN. Этот метод исследования извлекает входные данные изображения еды с использованием модели HSV (тон, насыщенность и значение цвета). Данные классифицируются с использованием алгоритмов CNN и KNN. Моделирование выполняется с использованием 900 изображений продуктов питания. Данные разделены на две категории, а именно обучающая и тестовая выборки, в пропорции 75 и 25 % соответственно. Алгоритм KNN тестировался с k = 3, 5 и 7 и сравнивался с CNN. На основании проведенных экспериментов установлено, что метод CNN лучше, чем алгоритм KNN. Есть два класса типов продуктов питания, прогноз по которым неверен, в то время как метод CNN предсказывает только один класс продуктов питания как неправильный. На это указывает точность метода CNN, которая на 5 % лучше, чем метода KNN(3). Точность метода CNN составляет 94 %, а метода KNN(3) - 89 %. Значение F1-оценки для метода CNN равно 0.94, а для метода KNN(3) - 0.89. CNN позволяет модели давать среднюю точность 87.7 %, точность 86.89 %, полноту (recall) 86.89 % и F1 86.33 %. По результатам исследования модель, сформированная с использованием CNN, является лучшей моделью идентификации пищевых продуктов. We thank Universitas Negeri Medan for providing funds to implement this research. The rector, LPPM, the dean of FMIPA Universitas Negeri Medan, and the head of the department have provided support and facilities for the implementation of this research series, especially the rector, LPPM. Although not perfect, hopefully, the results of this research will be helpful in the development of knowledge useful for people.
23
Troitskiy, Igor, and Rustam Yakubov. "The Comparative Analysis of the Linear Filtration of a Discrete Signal in Additive Noise for Two Channels with Method k-Nearest Neighbors." Voprosy kiberbezopasnosti, no. 2(26) (2019): 59–69. http://dx.doi.org/10.21681/2311-3456-2018-2-59-69.
Full text
24
Ляликова, Виктория Геннадиевна, та Михаил Михайлович Безрядин. "Построение гибридной рекомендательной системы". Вестник ВГУ. Серия: Системный анализ и информационные технологии, № 4 (18 грудня 2021): 121–29. http://dx.doi.org/10.17308/sait.2021.4/3802.
Full textAbstract:
В статье рассматривается решение задачи об информировании пользователя об услуге, наиболее интересной для него в данный момент времени. Для этого проведен анализ современных подходов построения рекомендательных систем, выявлены их преимущества и недостатки. Основные из них — это проблема холодного старта, плохие предсказания для нетипичных пользователей, ресурсоемкость вычислений, тривиальные предсказания. Далее рассмотрены метрики оценки качества таких систем. Разработано несколько рекомендательным систем со следующими подходами: система, использующая коллаборативную фильтрацию по пользователям, система, использующая коллаборативную фильтрацию по предметам, система категориальных интересов, Slope one подход. Для поиска похожих пользователей или предметов в системе, использующей коллаборативную фильтрацию, использовался метод k-ближайших соседей. На основе полученных данных предложено построение гибридной рекомендательной системы, которая компенсирует недостатки каждого из рассмотренных подходов. Персонализированный подход основан на байесовском рейтинге. Не персонализированный подход основан на алгоритмах Slope One и коллаборативной фильтрации по предметам. В случае, когда пользователь не оценивал какие-либо услуги, рекомендации строятся с помощью подхода коллаборативной фильтрации по пользователю, на основе его просмотров и покупок. Проводится обучение и тестирование алгоритмов для организации построенных рекомендательных систем. Таким образом, реализована рекомендательная система для услуг, способная формировать рекомендации как для зарегистрированных, так и для незарегистрированных пользователей. Анализ эффективности рекомендательных систем был проведен с помощью датасета Amazon review data. На основе полученной информации разработанная гибридная рекомендательная система приводит к лучшему решению.
25
R.H., Sahib, Jawad D.H.M., Mtasher A.K., and Msad J.J. "Network intrusion detection system using machine learning models and data mining strategies: comprehensive study." Вычислительные технологии 29, no. 5 (2024): 113–23. http://dx.doi.org/10.25743/ict.2024.29.5.009.
Full textAbstract:
Cybersecurity concerns have increased as a result of the development of computat ing and intelligent gadgets and the growing interconnectivity of numerous systems. This study investigates the use of data mining techniques and machine learning models in building intrusion detection systems for network security. By investigating the use of several machine learning approaches, such as naive Bayes, random forest, support vec tor machines, decision tree, k-nearest neighbours, and XGBoost, this study seeks to answer this problem. Furthermore, data mining techniques including association rule mining and clustering algorithms are investigated. The network intrusion detection dataset, which can be downloaded from Kaggle, is used to train and evaluate the sys tem. The primary aim of this study is to provide a more effective and adaptable solution to the network intrusion problem, with the ultimate goal of developing a system that can accurately and efficiently detect and respond to network intrusions. Проблемы кибербезопасности увеличились в результате развития вычислительных и интеллектуальных гаджетов и возросшей взаимосвязности многочисленных систем. В этом исследовании изучается использование методов получения данных и моделей машинного обучения при создании систем обнаружения вторжений для сетевой безопасности. Изучая использование нескольких подходов машинного обучения, таких как наивный байесовский алгоритм, случайный лес, метод опорных векторов, дерево решений, метод k-ближайших соседей и XGBoost, предлагаемое исследование пытается ответить на эту проблему. Кроме того, исследуются методы получения данных, включая алгоритмы нахождения ассоциативных правил и кластеризации. Набор данных обнаружения сетевых вторжений, который можно загрузить с веб-сайта Kaggle, используется для обучения и оценки системы. Основная цель этого исследования — предоставить более эффективное и адаптируемое решение проблемы сетевых вторжений, с конечной целью разработки системы, которая может точно и эффективно обнаруживать и реагировать на сетевые вторжения.
26
Almoosa, Ahmed Sabri Kadhim, Mohd Saiful Dzulkefly Zan, Mohd Faisal Ibrahim та ін. "<b>Повышение эффективности измерения температуры волоконным датчиком на основе бриллюэновской оптической рефлектометрии во временной области</b> с <b>алгоритмом ближайших k-соседей (k-nn)</b>". Приборы и техника эксперимента, № 5 (1 вересня 2023): 40–47. http://dx.doi.org/10.31857/s0032816223050270.
Full text
27
Шестак, В. А., and А. Д. Цыплакова. "Issues regarding enhancing crime forecasting." Расследование преступлений: проблемы и пути их решения, no. 3(41) (October 16, 2023): 78–84. http://dx.doi.org/10.54217/2411-1627.2023.41.3.008.
Full textAbstract:
В работе исследована вероятная возможность использования методов машинного обучения для совершенствования прогнозирования преступности, а также обобщены результаты зарубежных исследований по оценке эффективности отдельных алгоритмов и моделей. Методологическую основу работы преимущественно составляют методы формальной логики (анализ и дедукция), классификации и системно-функциональный метод при сопоставлении данных. В доктрине выделяются следующие математические модели с использованием машинного обучения: глубинный анализ данных (англ. data mining), глубокое изучение (англ. deep learning), преступный состав (англ. crime cast). В зависимости от модели используются различные классификаторы. Так, глубинный анализ данных построен, в частности, на регрессии, дереве решений, методе случайного леса и k-ближайших соседей, глубокое изучение зачастую основано на различных нейронных сетях (англ. neural networks), а преступный состав опирается на метод опорных векторов (англ. support vector machine). Помимо выбора метода, серьёзной проблемой является неточность данных вследствие их сбора непрофессионалами, недостатков их регистрации, а также латентной преступности. Фрагментарный подбор приводит к неоднозначным результатам, которые в дальнейшем снижают эффективность деятельности правоохранительных органов. This paper examines the possibility of using machine learning methods to improve crime prediction. It also summarizes the results of foreign research on the effectiveness of separate algorithms and models. The methodological basis of the study is primarily composed of formal logic (analysis and deduction), classifications and system-functional method in order to compare the data. The doctrine distinguishes the following mathematical models as to machine learning: data mining, deep learning and crime cast. Depending on the model, different classifiers are used. For instance, data mining is based, in particular, on regression, decision tree, random forest, k-nearest neighbors, deep learning depends on diverse neural networks, while crime cast implies support vector machine. Apart from the choice of method, a serious issue is the inaccuracy of data due to their collection by non-professionals, the shortcomings of their registration and latent criminality. Unfortunately, fragmentary selection leads to ambiguous results, which further reduces the law enforcement effectiveness.
28
Греков, М. М. "A training device for the analysis of anomaly detection methods based on machine learning theory." МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 10, no. 1(36) (2022): 19–20. http://dx.doi.org/10.26102/2310-6018/2022.36.1.019.
Full textAbstract:
На сегодняшний день актуальной задачей является своевременное выявление новых вредоносных воздействий на компьютерные сети. В связи с этим необходимо развитие методов обнаружения аномалий, которые позволяют выявлять неизвестные атаки. В работе представлена модель учебного стенда для анализа методов обнаружения аномалий на основе теории машинного обучения. Разработана модель генерации наборов данных с характеристиками реального сетевого трафика с помощью генеративно-состязательной нейронной сети. Генерируемый набор данных может применяться при обучении и тестировании моделей обнаружения, при этом выборка повторяет особенности реальной сети, что повышает эффективность детектирования аномалий. В учебном стенде также могут применяться общедоступные наборы данных: NSL-KDD, CICIDS2017. В качестве методов обучения используются машина опорных векторов, k-ближайших соседей, наивный Байес, логистическая регрессия, деревья решений, случайный лес, k-средних, а также реализована многослойная нейронная сеть на основе библиотеки PyTorch. Учебный стенд позволяет упростить процесс анализа методов машинного обучения, применяемых для получения моделей обнаружения аномалий. Разработанный программный продукт позволяет не только осуществлять обучение и тестирование на основе общедоступных наборов данных, но и реализует возможность сбора сетевого трафика и дополнения его сгенерированными данными с характеристиками реального трафика. Nowadays, the timely detection of new malicious attacks on computer networks appears to be a relevant issue. In this regard, it is necessary to develop anomaly detection methods that enable the identification of unknown attacks. The paper presents a model of a training device for analyzing anomaly detection methods in reliance on machine learning theory. A model has been developed for generating datasets with characteristics of real network traffic by means of a generative adversarial neural network. The generated dataset can be employed to train and test detection models while the sample emulates the features of a real network, which increases the efficiency of anomaly detection. The training device can also use publicly available datasets: NSL-KDD, CICIDS2017. Support vector machine, k-nearest neighbors, naive Bayes, logistic regression, decision trees, random forest, k-means are utilized as training methods, and a multilayer neural network, based on the PyTorch library, is implemented. The training device simplifies the process of analyzing machine learning methods, applied to obtain anomaly detection models. The developed software product facilitates not only training and testing with the aid of publicly available datasets, but also provides the ability to collect network traffic and supplements it with generated data with the characteristics of real traffic.
29
Аникин, И. В., and Г. Е. Петров. "Approaches to processing big spatiotemporal uncertain data in GLONASS+112." МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 11, no. 1(40) (2023): 26–27. http://dx.doi.org/10.26102/2310-6018/2023.40.1.026.
Full textAbstract:
В работе исследуются подходы к обработке больших пространственно-временных данных в единой государственной информационной системе (ЕГИС) ГЛОНАСС+112 в условиях пространственной и временной неопределенности. Данная система предназначена для организации взаимодействия оперативных служб в Республике Татарстан (РТ), осуществления комплексного сбора и обработки данных, характеризующих различные инциденты, на основании звонков, поступивших на единый номер экстренных служб «112». Исследована производительность и масштабируемость различных операций по работе с большими данными в данной системе, адаптированных для использования в условиях неопределенности (запрос диапазона с порогом, JOIN, поиск k-ближайших соседей). Предложены новые подходы для решения задач формирования ассоциативных правил и кластеризации в условиях пространственной и временной неопределенности. Предложена модернизация алгоритма кластеризации пространственно-временных данных ST-DBSCAN. Данный алгоритм внедрен в схему формирования ассоциативных правил. Разработан программный комплекс формирования ассоциативных правил для пространственно-временных данных в условиях неопределенности. Программный комплекс осуществляет анализ не только данных ГЛОНАСС+112, но и информации о погоде, поступающей из внешних источников. Формируемые ассоциативные правила могут быть использованы для принятия решений и планирования ресурсов подразделениями различных оперативных служб. Это позволит повысить эффективность управления нежелательными инцидентами и чрезвычайными ситуациями. The paper examines some approaches to processing big spatiotemporal uncertain data in GLONASS+112. This system is used for managing interaction between operational services in the Republic of Tatarstan and collecting and processing data characterizing various incidents, based on calls received by a common emergency number "112". The performance and scalability of several basic operations for managing big data (query with threshold, JOIN, k-nearest neighbors algorithm) were studied; they were adapted for operating data under spatial and temporal uncertainty. New approaches to clustering and associative rules mining for uncertain data are suggested. Modernization of ST-DBSCAN algorithm for clustering spatiotemporal data is proposed. This algorithm is integrated into the association rules mining process. The program complex for forming the associative rules for spatiotemporal data under uncertainty has been developed. The complex is applied to analyze GLONASS+112 data as well as the information about weather conditions obtained from external sources. The associative rules being formed can be used by various units in operating services for decision-making and resource-planning. This would help to increase the efficiency of managing the emergencies and undesired incidents.
30
Дюк, В. А., та В. Ю. Каминский. "Предобработка данных в задаче экспресс-диагностика анемии по спектральным характеристикам изображений открытых участков кожи". MORSKIE INTELLEKTUAL`NYE TEHNOLOGII)</msg> 1, № 1(67) (2025): 142–46. https://doi.org/10.37220/mit.2025.67.1.017.
Full textAbstract:
В исследовании представлен анализ проблемы автоматизированной диагностики анемии посредством анализа спектральных характеристик изображений открытых участков кожного покрова. Актуальность работы обусловлена необходимостью оперативного выявления железодефицитных состояний и иных гематологических нарушений среди членов экипажей морского флота, что критически значимо для сохранения их профессиональной трудоспособности. В рамках экспериментальной части исследования проведено сравнение эффективности классических алгоритмов машинного обучения, включая наивный байесовский классификатор, логистическую регрессию, многослойный перцептрон с обратным распространением ошибки, машину опорных векторов, метод k-ближайших соседей, деревья решений и ансамблевую модель случайного леса. Установлено, что применение процедуры дискретизации данных с последующей бинаризацией с накоплением статистически значимо улучшает метрики точности классификации. Примечательным аспектом является недетерминированный характер влияния предобработки данных: в отдельных случаях максимизация точности наблюдается для алгоритмов, демонстрирующих наивысшую эффективность на исходных данных, тогда как в других сценариях доминирующими становятся модели, изначально уступавшие по базовым показателям. Полученные результаты подчеркивают необходимость адаптивного выбора методов предобработки в зависимости от специфики исходного набора данных и характеристик применяемых классификаторов. The study presents an analysis of the problem of automated diagnosis of anemia by analyzing the spectral characteristics of images of exposed skin areas. The relevance of the work is due to the need for prompt detection of iron deficiency conditions and other hematological disorders among the crewmembers of the Navy, which is critically important for maintaining their professional ability to work. As part of the experimental part of the study, the effectiveness of classical machine learning algorithms was compared, including a naive Bayesian classifier, logistic regression, a multilayer error propagation perceptron, a support vector machine, the k-nearest neighbor method, decision trees, and an ensemble model of a random forest. It is established that the application of the data sampling procedure followed by binarization with accumulation significantly improves the classification accuracy metrics. A notable aspect is the non-deterministic nature of the impact of data preprocessing: in some cases, accuracy maximization is observed for algorithms that demonstrate the highest efficiency on the source data, whereas in other scenarios, models that were initially inferior in basic indicators become dominant. The results obtained emphasize the need for adaptive selection of preprocessing methods, depending on the specifics of the initial data set and the characteristics of the classifiers used.
31
Bourkhime, H., N. Qarmiche, S. Benmaamar, et al. "Machine Learning-Based Prediction of Quality of Life in Individuals with Diabetes." Психиатрия, психотерапия и клиническая психология 16, no. 2 (2025): 158–67. https://doi.org/10.34883/pi.2025.16.2.003.
Full textAbstract:
Diabetes presents a persistent challenge that significantly affects individuals’ quality of life (QoL). Effective management of the co-occurrence of diabetes and QoL deterioration is crucial for enhancing patient care. This research conducted a comparative analysis of four distinct machine learning (ML) algorithms to predict the QoL status among diabetics. The QoL was assessed using the Short Form-12 to assess the physical component summary (PCS) and mental component summary (MCS). The evaluated algorithms include K-Nearest Neighbors (KNN), Decision Tree (DT), Random Forest (RF), and Adaptive Boosting (AdaBoost). Synthetic Minority Over-sampling Technique (SMOTE) was used for balancing dataset, ExtraTreesClassifier for feature selection, and a grid search approach for hyperparameter tuning. Results indicate promising performance of the ML algorithms in predicting QoL status among diabetics. The DT emerged as the top performer for both PCS and MCS, achieving accuracy rates of 78% and 63%, respectively. RF also exhibited good performance with 78% accuracy. This study highlights the potential of ML algorithms in predicting QoL disorders in diabetics. Ongoing investigations are crucial to validate and extend these results, exploring the real-world applicability of these models. Ultimately, this research contributes to advancing the management and overall well-being of individuals with diabetes and concurrent QoL disorders. Диабет представляет собой проблему, которая существенно влияет на качество жизни людей. Эффективное лечение сопутствующего диабета и контроль качества жизни имеют решающее значение для улучшения ухода за пациентами. В исследовании проведен сравнительный анализ четырех различных алгоритмов машинного обучения для прогнозирования качества жизни среди пациентов с диабетом. Качество жизни оценивалось с использованием Short Form-12 для оценки сводки физического (PCS) и психического (MCS) компонентов. Оцениваемые алгоритмы включают метод K-ближайших соседей (KNN), дерево решений (DT), случайный лес (RF) и адаптивное усиление (AdaBoost). Метод синтетической выборки меньшинств (SMOTE) использовался для балансировки набора данных, ExtraTreesClassifier – для выбора признаков, подход поиска по сетке – для настройки гиперпараметров. Результаты указывают на многообещающую эффективность алгоритмов машинного обучения в прогнозировании статуса КЖ среди пациентов с диабетом. DT оказался лучшим исполнителем как для PCS, так и для MCS, достигнув показателей точности 78% и 63% соответственно. RF также продемонстрировал хорошую производительность с точностью 78%. Исследование подчеркивает потенциал алгоритмов машинного обучения в прогнозировании нарушений качества жизни у пациентов с диабетом. Текущие исследования имеют решающее значение для подтверждения и расширения этих результатов, изучая применимость этих моделей в реальном времени. В конечном итоге это исследование способствует улучшению управления и общего благополучия пациентов с диабетом и сопутствующими нарушениями качества жизни.
32
Давидовский, С. В. "Using Machine Learning Method in Assessing the Significance of Socio-Psychological and Molecular-Genetic Factors Associated with Suicidal Behavior." Психиатрия, психотерапия и клиническая психология, no. 2 (July 11, 2023): 111–22. http://dx.doi.org/10.34883/pi.2023.14.2.001.
Full textAbstract:
Введение. В настоящее время показано, что использование машинного обучения позволяет значительно улучшить прогнозирование вероятности совершения суицида по сравнению с методами, основанными на классических статистических подходах. Цель исследования. Изучить социально-психологические и молекулярно-генетические факторы, ассоциированные с риском суицидального поведения, используя методы машинного обучения. Материалы и методы. В исследовании приняли участие 299 человек в возрасте от 18 до 75 лет. Группа исследования состояла из лиц, совершивших самоповреждения различными способами, лиц, находящихся в состоянии расстройства адаптации и суицидальных попыток не совершавших, и молодых людей в возрасте 18–27 лет, у которых на момент обследования психические расстройства отсутствовали, суицидальные попытки эти лица ранее не совершали. В процессе проведения анализа оценивались социальный статус (образование, доход, наличие работы, семейный статус, особенности воспитания), индивидуальные особенности (личностный опросник Г. Айзенка, тест-опросник Г. Шмишека – К. Леонгарда) и частота встречаемости генотипов и аллелей генов HTR1, BDNF, COMT, SKA 2. При оценке полученных данных использовались следующие алгоритмы: метод несущих векторов (SVC ROC), метод случайного леса (RandomForest ROC), метод ближайших соседей (KNeighborsClassifier ROC), регрессионный анализ (LogisticRegression ROC) из библиотеки программирования Рython. Результаты и обсуждение. Статистическая значимость получена для 4 предикторов: наличие высшего образования, отсутствие наказаний в детстве, наличие генотипа HTR1A G/G и черта характера «демонстративность». Выводы. 1. Наличие высшего образования и отсутствие наказаний в детском возрасте уменьшают вероятность попадания в группу суицидального риска. 2. Важно наличие не только генетической предрасположенности, которая зависит от пола, но и черт характера, обуславливающих нахождение человека в состоянии хронического стресса. 3. Использование машинного обучения позволяет критически оценить устоявшиеся представления о факторах суицидального риска и разработать новые подходы к профилактике суицидального поведения. Introduction. The use of machine learning can significantly improve the prediction of the probability of committing suicide, compared with methods based on classical statistical approaches. Purpose. To study the socio-psychological and molecular genetic factors of suicidal risk using machine learning methods. Materials and methods. The study involved 299 people aged 18 to 75 years. The study group consisted of people who committed self-harm in various ways, people who were in a state of adjustment disorder and did not make suicidal attempts, and young people aged 18–27 who had no mental disorders at had not previously committed suicide attempts. In the course of the analysis, social status (education, income, employment, marital status, upbringingcharacteristics), individual characteristics (G. Eysenck’s personality questionnaire; G. Schmishek – K. Leonhard’s test questionnaire) and the frequency of occurrence of genotypes and alleles of the HTR1 genes were assessed BDNF, COMT, SKA 2. When evaluating the obtained data, the following algorithms were used: SVC ROC; RandonForest ROC; KNeighborsClassifier ROC; LogisticRegression ROC from Python programming library. Results and discussion. Statistical significance was obtained for 4 predictors: the presence of higher education, the absence of punishment in childhood, the presence of the HTR1A G/G genotype, and the level of demonstrativeness. Conclusions. 1. The presence of higher education and the absence of punishment in childhood is a factor in the prediction of suicides. 2. It is important to have not only a genetic predisposition, but also character traits, causing a person to be in a state of chronic stress. 3. The use of machine learning makes it possible to critically evaluate established ideas about suicidal risk factors and develop new approaches to the prevention of suicidal behavior.
33
Плескачев, Юрий Андреевич, Дарья Максимовна Радченко, Дмитрий Юрьевич Евдокимов та Марк Вадимович Юлусов. "Применение методов машинного обучения в агентном моделировании". Новое в экономической кибернетике, № 2 (5 липня 2024): 11–27. https://doi.org/10.5281/zenodo.12667180.
Full textAbstract:
Агентное моделирование является мощным инструментом для изучения сложных систем, позволяя анализировать поведение агентов и их взаимодействие на микроуровне. Особую актуальность их применение получает в случаях недостаточных и/или некачественных открытых статистических данных. В статье рассмотрены подходы к классификации методов и примеры их применения для создания агентных моделей, способствующих пониманию и прогнозированию экономических процессов. Представлена систематизация применения современных методов машинного обучения и их элементов для решения отдельных задач по моделированию пространственных взаимосвязей. Рассмотрено, какие роли и функции выполняют алгоритмы машинного обучения на различных этапах разработки агентных моделей, а также приведены примеры их использования в агентном моделировании экономических процессов и выявлен потенциал подобного подхода для улучшения прогностической и объясняющей способности этих моделей. Области применения машинного обучения условно разделены на 4 блока: предварительная обработка данных (которая включает в себя удаление выбросов, заполнение пропусков и нормализацию данных), формирование поведения агентов (в том числе с разной степенью рациональности и обучаемости), построение суррогатных моделей (полностью заменяющих собой исходную модель с целью снижения трудо-, времязатрат и требований к вычислительным мощностям) и постобработка данных (которая включает кластеризацию, разработку форм визуализации и очистку данных). Такие методы, как деревья решений и байесовские сети, играют ключевую роль в извлечении правил из данных и формировании поведенческих стратегий агентов. Работа подчеркивает важность учета шумов и аномалий в данных, а также необходимость адаптации моделей к реальным условиям. По результатам проведенного обзора сформированы рекомендации по применению отдельных методов в зависимости от особенностей моделирования. Результаты исследования имеют практическое значение для разработки более точных и эффективных агентных моделей в различных областях, таких как экономика, экология и социальные науки.
34
КУЗНЕЦОВ, Н. М., та С. М. ФРОЛОВ. "ТЕПЛОЕМКОСТЬ И ЭНТАЛЬПИЯ НАСЫЩЕННЫХ УГЛЕВОДОРОДОВ (АЛКАНОВ) В СОСТОЯНИИ ИДЕАЛЬНОГО ГАЗА". Gorenie i vzryv (Moskva) — Combustion and Explosion 13, № 2 (2020): 113–17. http://dx.doi.org/10.30826/ce20130212.
Full textAbstract:
Предложены аналитические зависиМости теплоеМкости и энтальпии насыщенных углеводородов в состоянии идеального газа от теМпературы и от числа атоМов углерода в Молекуле до n = 20. ЗависиМости основаны на анализе структуры хиМических связей радикалов в Молекулах насыщенных углеводородов. Так, увеличение числа n на единицу при начальноМ значении n > 2 соответствует добавлению в Молекулу одного радикала CH2. При n > 4 ближайшиМи соседяМи добавляемого радикала Могут быть только радикалы CH2, так как у краевых радикалов CH3 такие соседи уже иМеются. В такоМ случае Молекула Cn+1H2n+4 отличается от Молекулы CnH2n+2 в структурноМ отношении теМ, что в ней число радикалов CH2, не соседствующих с краевыМи радикалаМи, на единицу больше. ПоэтоМу с точностью до взаиМодействия с более далекиМи соседяМи добавление радикала CH2 при n > 4 приводит к линейной зависиМости теплоеМкости и энтальпии от числа n на изотерМах. Получено хорошее согласие с табличныМи данныМи: погрешность вычисления теплоеМкости и энтальпии в интервале 298,16-1500 K для алканов выше н-бутана сравниМа с погрешностью четырехзначных справочных данных и составляет не более 0,1%.
35
Сироткин, М. С., Д. В. Крюкова та Р. Е. Чернявский. "ИССЛЕДОВАНИЕ МЕТОДА БЛИЖАЙШИХ СОСЕДЕЙ В СИСТЕМЕ СИМВОЛЬНОЙ МАТЕМАТИКИ WOLFRAM MATHEMATICA". Вектор научной мысли, № 3(20) (13 квітня 2025). https://doi.org/10.58351/2949-2041.2025.20.3.008.
Full textAbstract:
В статье исследуется метод ближайших соседей (k-NN) в системе символьной математики Wolfram Mathematica. Рассматриваются его возможности в задачах классификации и регрессии, проведена практическая апробация на наборах данных Fisher’s Iris и Boston Homes. Представлены графические результаты, анализ влияния гиперпараметров, выявлены достоинства и недостатки метода. Отмечена его универсальность и вычислительные ограничения при работе с большими объемами данных.
36
Конев, Константин Анатольевич. "Использование методов машинного обучения в задачах принятия решений при обеспечении качества в приборостроении". Экономика. Информатика, 18 січня 2023, 820–32. http://dx.doi.org/10.52575/2687-0932-2022-49-4-820-832.
Full textAbstract:
Обеспечение качества – важная и многогранная деятельность, оказывающая значительное влияние на конкурентоспособность и продукцию организации, на её системы управления в целом. Данная деятельность не является ценным и основным процессом, поэтому управляется как центр затрат, что создаёт объективные сложности в повышении её эффективности. Несмотря на большое число публикаций в сфере обеспечения качества, тематика поддержки принятия решений в данной области исследована слабо и рассматривается главным образом для руководителей. Концептуально проблема повышения эффективности решений рассмотрена в ряде публикаций автора. В работе данный подход рассматривается для специалистов по обеспечению качества уровня исполнителя или эксперта, и в такой постановке задачи используется впервые. В соответствии с ранее предложенной методологией целью исследования является формирование ситуационно-онтологической модели конкретной практической задачи выявления причины дефекта для приборостроительного предприятия методом машинного обучения (k-ближайших соседей). Результаты исследования позволили сделать вывод о возможности применения ситуационно-онтологической методологии с целью создания системы поддержки принятия решений для решения задач в типовой ситуации поиска причины дефекта на основе метода k-ближайших соседей для инженера по качеству приборостроительного предприятия.
37
"АНАЛИЗ СЛЕДОВ НА ВЫСТРЕЛЕННЫХ ПУЛЯХ МЕТОДАМИ КОНГРУЭНТНО СОВПАДАЮЩИХ СЕГМЕНТОВ ПРОФИЛЕЙ И K-БЛИЖАЙШИХ СОСЕДЕЙ". ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ, 23 березня 2021. http://dx.doi.org/10.14357/20718632210108.
Full text
38
Топузов, Эльдар Эскендерович, Виталий Александрович Скворцов, Рашида Вахидовна Орлова, and Али Эльманович Талышинский. "Predicting Satisfaction with the Aesthetic Outcome after Breast Cancer Reconstruction Using Machine Learning: Prelimirary Results." Voprosy onkologii 71, no. 3 (2025). https://doi.org/10.37469/0507-3758-2025-71-3-of-2317.
Full textAbstract:
Введение. Несмотря на перспективность применения искусственного интеллекта (ИИ) в прогнозировании удовлетворительности эстетическим результатом после реконструкции при раке молочной железы, в отечественной литературе отсутствуют работы по изучению достоверности данной гипотезы. Имеющиеся перспективы ИИ основаны на малочисленных зарубежных публикациях. Цель. Разработать модель предсказания эстетической удовлетворенности пациенток после реконструкции молочной железы по клинико-анамнестическим данным на основе машинного обучения. Материалы и методы. Ретроспективно в период с 2015 по 2024 гг. на базе СПб ГБУЗ «Городской клинический онкологический диспансер» была собрана информация в отношении 333 пациенток, которые ранее прошли комплексное лечение по поводу рака молочной железы и получили в процессе терапии одномоментную или отсроченную реконструкцию молочной железы. В качестве прогностических параметров использовались количественные и качественные клинико-анамнестические данные. Проводилось сравнение пяти различных алгоритмов машинного обучения: метод опорных векторов (Support Vector Machine, SVM), метод k-ближайших соседей (K-Nearest Neighbors, KNN), логистическая регрессия (Logistic Regression, LR), XGBoost, дерево решений (Decision Trees, DT). Результаты. Логистическая регрессия продемонстрировала наилучшие показатели по всем ключевым метрикам, включая чувствительность (0,84) и точность (0,73). Наиболее прогностически значимым оказался фактор итогового веса перед операцией среди перенесших неоадъювантную химиотерапию и/или лучевую терапию пациенток, что подтверждает положительный эффект данного показателя. Противоположные результаты получены для начального веса, что указывает на изначально негативное влияние избыточного веса на удовлетворенность пациенток после реконструкции. Важным критерием также является стаж хирурга, коморбидность, наличие послеоперационной лучевой терапии в анамнезе и стадия заболевания до операции. Итоговое значение ROC-AUC составило 0,7, что является приемлемым для разрабатываемых диагностических систем на промежуточном этапе разработки. Выводы. Полученные метрики точности системы второго мнения для прогнозирования удовлетворительности эстетическим результатом после реконструкции при раке молочной железы являются многообещающими, учитывая очевидность имеющихся ограничений и способов их нивелирования с целью возможности включения иных показателей в прогностическую модель и воспроизводимости метрик точности при внешнем тестировании.
39
Amirova, A. S. "ЗАТТАР ӨНЕРКӘСІПТІК ИНТЕРНЕТІНДЕГІ ҚАУІПТІ АНЫҚТАУДЫҢ АРАЛАС МОДЕЛ". BULLETIN Series Physical and Mathematical Sciences, № 1 (1 березня 2023). http://dx.doi.org/10.51889/2022-1.1728-7901.09.
Full textAbstract:
With the rapid development of the Industrial Internet of Things (IIoT), the need for rapid response, detection and prevention of intrusions into the industrial network has arisen. IIoT networks have special functions and face unique challenges in defending against cyberattacks. These problems are especially urgent as the growth of user demand for IIoT is predicted. The article deals with the security issues of the industrial Internet of things. At the moment, there are some methods of ensuring information security in IIoT networks, which were analyzed in the article. The advantages and disadvantages of existing systems have also been described. Typical attack scenarios in industrial Internet of Things networks were proposed. Based on this analysis, a combined threat detection model using expert systems and such machine learning algorithms as a decision tree, a naive Bayesian classifier, and the k-nearest neighbors method is proposed. Өнеркәсіптік заттар интернетінің (IIoT) қарқынды дамуымен жылдам әрекет ету, өнеркәсіптік желіге енуді анықтау және алдын алу қажеттілігі туындады. IIoT желілерінің арнайы функциялары бар және кибершабуылдардан қорғануда бірегей қиындықтарға тап болады. Бұл проблемалар әсіресе өзекті болып табылады, өйткені IIoT-ге пайдаланушы сұранысының өсуі болжануда. Мақалада өнеркәсіптік заттар интернетінің қауіпсіздік мәселелері қарастырылады. Қазіргі уақытта мақалада талданған IIoT желілерінде ақпараттық қауіпсіздікті қамтамасыз етудің кейбір әдістері бар. Қолданыстағы жүйелердің артықшылықтары мен кемшіліктері де сипатталған. Индустриалды Интернет желілеріндегі шабуылдың типтік сценарийлері ұсынылды. Осы талдаудың негізінде сараптамалық жүйелерді және шешім ағашы, аңғал Байес классификаторы және k-ең жақын көршілер әдісі сияқты машиналық оқыту алгоритмдерін пайдаланатын біріктірілген қауіптерді анықтау моделі ұсынылады. Со стремительным развитием индустриального интернета вещей (IIoT) возникла необходимость быстрого реагирования, обнаружения и предотвращения вторжений в производственную сеть. Сети IIoT обладают особыми функциями и сталкиваются с уникальными проблемами при защите от кибератак. Эти проблемы являются особенно актуальными, поскольку прогнозируется рост потребности пользователей в IIoT.В статье рассматриваются вопросы безопасности промышленного интернета вещей. На данный момент имеются некоторые методики обеспеченияинформационной безопаcности в сетях IIoT, которые были проанализированы в статье. Также были описаны достоинства и недостатки существующих систем. Были предложены типовые сценарии атак в сетях промышленного интернета вещей. На основе данного анализа предложена комбинированная модель обнаружения угроз с использованием экспертных систем и таких алгоритмов машинного обучения, как дерево решений, наивный байесовский классификатор, метод k-ближайших соседей.
40
А.И., Михальский, та Новосельцева Ж.А. "МЕТОДЫ КОМПЬЮТЕРНОГО АНАЛИЗА ДАННЫХ В ЗАДАЧАХ ПО МОНИТОРИНГУ И СОВЕРШЕНСТВОВАНИЮ УПРАВЛЕНИЯ СТАДОМ". Проблемы биологии продуктивных животных, № 1 (6 травня 2019). https://doi.org/10.25687/1996-6733.prodanimbiol.2019.1.95-111.
Full textAbstract:
Рассматриваются современные методы компьютерного анализа данных, применяемые при решении широкого круга задач, возникающих в области современного продуктивного животноводства. Некоторые задачи этого круга, рассмотренные в более ранней публикации авторов, включают в себя выявление клинического мастита при автоматическом доении, исхода лечения респираторных заболеваний, индивидуальной продуктивной ценности, фертильности, обоснование решений по выбраковке коров, прогноз различных продуктивных показателей на основании геномных оценок. Оптимизации управления стадом на основании получаемых оценок является перспективным направлением повышения эффективности современного животноводства. Настоящая статья содержит описание основных методов анализа эмпирических данных. В статье кратко описываются методы построения регрессионных зависимостей: метод наименьших квадратов, модели, учитывающие случайные эффекты, байесовские, гребневые регрессии. Описаны частичная регрессия, ядерная регрессия и адаптивная многомерная непараметрическая сплайн-регрессия. Рассмотрен классический метод дискриминантного анализа, метод логистической регрессии, методы наивного Байеса и k ближайших соседей, метод опорных векторов, искусственные нейронные сети, деревья решений и случайный лес. В приложении приведены основные метрики, принятые для характеристики качества решения задач классификации и построения регрессионных зависимостей: точность, полнота, метрика F , чувствительность, специфичность, кривая ошибок, площадь под кривой ошибок. Материал статьи будет полезен специалистам широкого профиля, интересующимся применением современных методов анализа и интерпретации экспериментальных данных. The modern methods of computer data analysis, used in solving a wide range of tasks arising in productive animal husbandry are reviewed. Some tasks from this area, reviewed also alsow in the author’s previous publication, includes a forecast of milk yield, daily yield of milk protein and fat percentage, automatic identification of dairy cows, grazing behavior classification, detection of clinical mastitis during automatic milking, prediction of the outcome of respiratory disease treatment, prognosis of individual performance traits, fertility, substantiation of decisions on cows culling, evaluation of the effectiveness of artificial insemination, the forecast of various product indicators on the basis of genomic evaluations. Optimization of herd management based on the computer estimates is a promising direction for improving the efficiency of modern productive animal husbandry. This article describes the basic methods for analyzing empirical data, including the methods for design of regressions, including the least squares method, Bayesian, ridge regressions, partial regression, nuclear regression and adaptive multidimensional non-parametric spline regression. For classification tasks, the classical discriminant analysis method, the logistic regression method, the naive Bayesian method and k nearest neighbors, the support vector machine, artificial neural networks, decision trees, and a random forest are considered. The appendix contains the main metrics adopted to characterize the quality of the solution of the problems of classification and the design of regressions: accuracy, completeness, metric F1, sensitivity, specificity; ROC and AUC are considered as well. The article material will be useful to specialists of a wide profile, who are interested in applying modern methods of analysis and interpretation of experimental data in the field of animal husbandry
41
"Высокоразрешающая спектроскопия рассеяния света на парных кластерах магнитных ионов / Чербунин Р.В., Литвяк В.М., Рыжов И.И., Кудинов А.В., Geurts J., Karczewski G." Тезисы докладов XIV РОССИЙСКОЙ КОНФЕРЕНЦИИ ПО ФИЗИКЕ ПОЛУПРОВОДНИКОВ «ПОЛУПРОВОДНИКИ-2019», 20 серпня 2019, 310. http://dx.doi.org/10.34077/semicond2019-310.
Full textAbstract:
Точное измерение сил обменного (межспинового) взаимодействия между магнитными ионами имеет первостепенное значение для физики магнитосмешанных (полумагнитных, или разбавленных магнитных) полупроводников. Во-первых, межспиновые взаимодействия начинают оказывать влияние на магнитную восприимчивость, спиновую динамику, теплоперенос в этих системах уже начиная с малых концентраций магнитной компоненты ( x 001.0 ), то есть актуальны почти всегда. Во-вторых, при моделировании свойств – особенно для небольших концентраций - важны не только взаимодействия с ближайшим «магнитным» соседом, но и более слабые взаимодействия со вторыми, третьими и т.д. соседями. Закон ослабления взаимодействия с расстоянием между спинами позволяет также судить о фундаментальной природе (механизме) обменного взаимодействия. Поэтому исследователи вот уже около 40 лет изыскивают различные способы измерить обменные константы. Особенно в дефиците методы, дающие информацию селективно по различным типам локальной координации ионов. В результате имеющиеся данные по вторым и т.д. соседям весьма противоречивы. В настоящем исследовании показано [1,2], что селективная информация по первым нескольким сортам пар магнитных ионов может быть получена методом резонансного комбинационного рассеяния света (КРС). Достигнув в несколько раз более высокого спектрального разрешения, чем наши предшественники, мы обнаружили (в экспериментах по множественному рамановскому парамагнитному резонансу в квантовых ямах СdTe:Mn) десятки не известных ранее слабых линий КРС. Классификация этого многообразия позволила с беспрецедентной точностью ( 05.0 К) определить четыре различные характерные энергии, отвечающие четырем типам соседства магнитных ионов: 22.5 J )1( K, 51.1 J )2( K, 16.1 J )3( K, (4) J 0.70 K. Для решения вопроса о влиянии деформации эпитаксиальной структуры на величины обменных констант мы планируем осуществить особое исследование. Тем не менее, очевиден методический потенциал полученного результата, в том числе применительно к другим семействам магнитосмешанных полупроводников, где также наблюдается рамановский парамагнитный резонанс.