• Класифікатори
• навчання, обучение

навчання глибоке

Документи:

• Chornenkyi, V. Ya. Ml models and optimization strategies for enhancing the performance of classification on mobile devices [Текст] / V. Ya. Chornenkyi, I. Y. Kazymyra // Ukrainian Journal of Information Technology. – 2024. – Vol. 6, № 2. – P. 74–82.
• Ivanov, A. A comprehensive review of the history and methods of computer vision [Текст] / A. Ivanov // Телекомунікаційні та інформаційні технології. – 2025. – № 1. – С. 176-191. – DOI: 10.31673/2412-4338.2025.011767.
• Kotyk, Vladyslav Software Implementation of Gesture Recognition Algorithm Using Computer Vision=Програмна реалізація алгоритму розпізнавання жестів за допомогою комп’ютерного зору [Текст] / V. Kotyk, Oksana. Lashko // Advances in Cyber-Physical Systems. – 2021. – Vol. 6, № 1. – Р. 21-26. – DOI: https://doi.org/10.23939/acps2021.01.021.
• Mikayilov, K. Methods of signal processing and data interpretation for detecting microdefects in industrial materials [Текст] / K. Mikayilov, L. Gardashova // Інформаційні технології та комп'ютерна інженерія. – 2025. – Т. 22, № 3. – P. 113-124. – DOI: https://doi.org/10.31649/vitce/3.2025.113.
• Nikitin, V. O. Navigating challenges in deep learning for skin cancer detection [Текст] / V. O. Nikitin, V. Ya. Danilov // Системні дослідження та інформаційні технології. – 2025. – № 2. – С. 42-60. – DOI: 10.20535/SRIT.2308-8893.2025.2.03.
• Prodan, R. Запобігання можливим пограбуванням за допомогою алгоритму глибокого навчання з обробкою камерою [Текст] / R. Prodan, D. Shutka, В. Я. Татарин // Вимірювальна техніка та метрологія : міжвідомчий науково-технічний збірник / МОН України. – Львів : Вид-во Львівської політехніки, 2023. – Т. 84, вип. 3. – С. 16-22. – DOI: https://doi.org/10.23939/istcmtm2023.03.016.
• Smilianets, F. A. Review of disease identification methods based on computed tomography imagery [Текст] / F. A. Smilianets, O. D. Finogenov // Ukrainian Journal of Information Technology. – 2024. – Vol. 6, № 1. – P. 95-101.
• Implementation of a Convolutional Neural Network using TensorFlow machine learning platform [Електронний ресурс] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – Т. 44, № 2. – P. 55-65. – DOI: https://doi.org/10.31649/1681-7893-2022-44-2-55-65.
• Implementation of a Convolutional Neural Network using TensorFlow machine learning platform [Текст] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – № 2 (44). – P. 55-65. – DOI: https://doi.org/10.31649/1681-7893-2022-44-2-55-65.
• Practical aspects of forming training/test samples for convolutional neural networks [Текст] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – № 1 (43). – P. 24-35. – DOI: https://doi.org/10.31649/1681-7893-2022-43-1-24-35.
• Practical aspects of forming training/test samples for convolutional neural networks [Електронний ресурс] / Yu. Ya. Tomka, M. V. Talakh, V. V. Dvorzhak, O. G. Ushenko // Оптико-електронні інформаційно-енергетичні технології. – 2022. – № 1. – P. 24-35. – DOI: https://doi.org/10.31649/1681-7893-2022-43-1-24-35.
• Vijayasekaran, G. Планування ресурсів у мережах IoT Edge computing з використанням гібридного алгоритму глибокого навчання [Текст] = Resource scheduling in Edge computing iot networks using hybrid deep learning algorithm / G. Vijayasekaran, M. Duraipandian // Системні дослідження та інформаційні технології. – 2022. – № 3. – С. 86-101. – DOI: 10.20535/SRIT.2308-8893.2022.3.06.
• Бай, Я. В. Дослідження гібридної архітектури CNN з Residual Shuffle-Exchangeдля розпізнавання нот з аудіоданих [Текст] / Я. В. Бай, Ю. І. Катков // Наукові записки Державного університету інформаційно-комунікаційних технологій. – 2025. – № 2. – С. 79-88.
• Бойко, О. Діагностика Covid-19 за допомогою глибокого навчання з рентгенівських та комп’ютерних знімків – огляд (анг. мов.) [Текст] / О. Бойко, М. Міхальська-Цєканська. – С. 126-132.
• Розроблення методу дослідження кіберзлочинів за типом вірусів-вимагачів з використанням моделей штучного інтелекту в системі менеджменту інформаційної безпеки критичної інфраструктури [Текст] / О. І. Гарасимчук, А. І. Партика, О. А. Нємкова [та ін.] // Computer Systems and Networks. – 2024. – Vol. 6, № 1. – C. 15-25.
• Гуменюк, Р. Дослідження методів діагностики захворювань рослин за допомогою глибокого навчання [Текст] / Р. Гуменюк, І. Попович // Computer Design Systems. Theory and Practice. – 2024. – Vol. 6, № 1. – С 37-48.
• Багатокритеріальне розпізнавання відповідності текстів темі на основі алгоритму TF-IDF [Текст] / В. М. Данильченко, С. І. Отрох, М. О. Шалигін, А. Г. Донець // Зв'язок. – 2025. – № 3. – С. 36-41.
• Сучасні підходи до інтелектуального аналізу ринку криптовалют [Текст] / М. В. Добролюбова, О. О. Радовецький, О. М. Помазун, М. О. Маркін // Вісник Вінницького політехнічного інституту. – 2025. – № 4. – С. 126-135. – DOI: https://doi.org/10.31649/1997-9266-2025-181-4-126-135.
• Сучасні підходи до інтелектуального аналізу ринку криптовалют [Електронний ресурс] / М. В. Добролюбова, О. О. Радовецький, О. М. Помазун, М. О. Маркін // Вісник Вінницького політехнічного інституту. – 2025. – № 4. – С. 126-135. – DOI: https://doi.org/10.31649/1997-9266-2025-181-4-126-135.
• Довженко, Т. П. Hybrid awred: синергія адаптивної реконструкції та топологічної кластеризації для виявлення аномалій у мультимодальних даних [Текст] / Т. П. Довженко // Зв'язок. – 2026. – № 1. – С. 80-88.
• Жуков, С. О. Оптимізація глибоких нейронних мереж для класифікації емоційного стану мовлення з використанням динамічного квантування [Електронний ресурс] / С. О. Жуков, О. В. Рудзевич // Наукові праці Вінницького національного технічного університету. – 2025. – № 2. – С. 1-15.
• Іванов, Д. А. Зменшення часу на навчання моделей за допомогою трансферного навчання [Електронний ресурс] / Д. А. Іванов // Наукові праці Вінницького національного технічного університету. – 2024. – № 3. – С. 1-6. – DOI: https://doi.org/10.31649/2307-5376-2024-3-25-30.
• Ісаєнков, Я. О. Аналіз генеративних моделей глибокого навчання та особливостей їх реалізації на прикладі WGAN [Текст] / Я. О. Ісаєнков, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2022. – № 1. – С. 82-94.
• Ісаєнков, Я. О. Аналіз генеративних моделей глибокого навчання та особливостей їх реалізації на прикладі WGAN [Електронний ресурс] / Я. О. Ісаєнков, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2022. – № 1. – С. 82-94. – DOI: https://doi.org/10.31649/1997-9266-2022-160-1-82-94.
• Ісаєнков, Я. О. Самовалідований U-GAN для трансформації цільового класу в задачах сегментації [Електронний ресурс] / Я. О. Ісаєнков, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 3. – С. 102-111. – DOI: https://doi.org/10.31649/1997-9266-2024-174-3-102-111.
• Ісаєнков, Я. О. Самовалідований U-GAN для трансформації цільового класу в задачах сегментації [Текст] / Я. О. Ісаєнков, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 3 (174). – С. 102-111. – DOI: https://doi.org/10.31649/1997-9266-2024-174-3-102-111.
• Ісаєнков, Я. О. Трансформація цільового класу для задачі сегментації з використанням U-GAN [Електронний ресурс] / Я. О. Ісаєнков, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 1. – С. 81-87. – DOI: https://doi.org/10.31649/1997-9266-2024-172-1-81-87.
• Ісаєнков, Я. О. Трансформація цільового класу для задачі сегментації з використанням U-GAN [Текст] / Я. О. Ісаєнков, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 1. – С. 81-87. – DOI: https://doi.org/10.31649/1997-9266-2024-172-1-81-87.
• Іщеряков, С. М. Глибоке навчання в сфері cинтезу мовлення [Текст] / С. М. Іщеряков, А. О. Попов // Наукові записки Державного університету інформаційно-комунікаційних технологій. – 2025. – № 1. – С. 116-123.
• Кириленко, О. М. Розробка методу повторної ідентифікації людини [Електронний ресурс] / О. М. Кириленко // Оптико-електронні інформаційно-енергетичні технології. – 2021. – № 1. – С. 25-32. – DOI: https://doi.org/10.31649/1681-7893-2021-41-1-25-32.
• Кириленко, О. М. Розробка методу повторної ідентифікації людини [Текст] / О. М. Кириленко // Оптико-електронні інформаційно-енергетичні технології. – 2021. – № 1. – С. 25-32. – DOI: https://doi.org/10.31649/1681-7893-2021-41-1-25-32.
• Коменчук, О. В. Аналіз методів передоброблення панорамних стоматологічних рентгенівських знімків для задач сегментації зображень [Електронний ресурс] / О. В. Коменчук, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2023. – № 5. – С. 41-49. – DOI: https://doi.org/10.31649/1997-9266-2023-170-5-41-49.
• Коменчук, О. В. Аналіз методів передоброблення панорамних стоматологічних рентгенівських знімків для задач сегментації зображень [Текст] / О. В. Коменчук, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2023. – № 5 (170). – С. 41-49. – DOI: https://doi.org/10.31649/1997-9266-2023-170-5-41-49.
• Коменчук, О. В. Інформаційна технологія прискореного анотування медичних зображень в задачах сегментації на основі моделей глибокого навчання [Текст] / О. В. Коменчук, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 4. – С. 95-103. – DOI: https://doi.org/10.31649/1997-9266-2024-175-4-95-103.
• Коменчук, О. В. Інформаційна технологія прискореного анотування медичних зображень в задачах сегментації на основі моделей глибокого навчання [Електронний ресурс] / О. В. Коменчук, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 4. – С. 95-103. – DOI: https://doi.org/10.31649/1997-9266-2024-175-4-95-103.
• Концевой, А. О. Моделі глибокого навчання для вирішення задачі класифікації текстової інформації [Електронний ресурс] / А. О. Концевой, О. В. Бісікало // Інформаційні технології та комп'ютерна інженерія. – 2022. – Т. 55, № 3. – С. 13-20. – DOI: https://doi.org/10.31649/1999-9941-2022-55-3-13-20.
• Концевой, А. О. Моделі глибокого навчання для вирішення задачі класифікації текстової інформації [Текст] / А. О. Концевой, О. В. Бісікало // Інформаційні технології та комп'ютерна інженерія. – 2022. – № 3 (55). – С. 13-20.
• Конюхов, В. Д. Ансамблеві методи на основі центрування для сегментації зображення [Текст] / В. Д. Конюхов // Computer Systems and Networks. – 2024. – Vol. 6, № 2. – С. 122-130.
• Корніленко, О. С. Застосування штучного інтелекту для автоматизованої інтерпретації оптичних зображень сітківки при діабетичній ретинопатії [Текст] / О. С. Корніленко, О. В. Карась // Оптико-електронні інформаційно-енергетичні технології. – 2025. – № 1 (49). – С. 209-216. – DOI: https://doi.org/10.31649/1681-7893-2025-49-1-209-216.
• Корніленко, О. С. Застосування штучного інтелекту для автоматизованої інтерпретації оптичних зображень сітківки при діабетичній ретинопатії [Електронний ресурс] / О. С. Корніленко, О. В. Карась // Оптико-електронні інформаційно-енергетичні технології. – 2025. – Т. 49, № 1. – С. 209-216. – DOI: https://doi.org/10.31649/1681-7893-2025-49-1-209-216.
• Кулик, Л. Р. Методи забезпечення консистентності генерації в дифузійних моделях [Текст] / Л. Р. Кулик, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 4. – С. 75-85. – DOI: https://doi.org/10.31649/1997-9266-2024-175-4-75-85.
• Кулик, Л. Р. Методи забезпечення консистентності генерації в дифузійних моделях [Електронний ресурс] / Л. Р. Кулик, О. Б. Мокін // Вісник Вінницького політехнічного інституту. – 2024. – № 4. – С. 75-85. – DOI: https://doi.org/10.31649/1997-9266-2024-175-4-75-85.
• Луп'як, Д. Д. Шляхи підвищення ефективності сучасних методів матування зображень [Електронний ресурс] / Д. Д. Луп'як, Р. Н. Квєтний // Оптико-електронні інформаційно-енергетичні технології. – 2021. – № 1. – С. 33-38. – DOI: https://doi.org/10.31649/1681-7893-2021-41-1-33-38.
• Луп'як, Д. Д. Шляхи підвищення ефективності сучасних методів матування зображень [Текст] / Д. Д. Луп'як, Р. Н. Квєтний // Оптико-електронні інформаційно-енергетичні технології. – 2021. – № 1. – С. 33-38. – DOI: https://doi.org/10.31649/1681-7893-2021-41-1-33-38.
• Манохін, Д. Сегментація внутрішньочерепного крововиливу за допомогою нейронної мережі та покращення текстури на основі дробового оператора Ріса (англ.м.) [Текст] / Д. Манохін, Я. Соколовський // Computer Design Systems. Theory and Practice. – 2024. – Vol. 6, № 1. – С. 1-16.
• Марчук, А. Ю. Аналіз методів та систем розпізнавання патологій вуха на отоскопічних зображеннях [Текст] / А. Ю. Марчук // Оптико-електронні інформаційно-енергетичні технології. – 2025. – № 1 (49). – С. 227-234. – DOI: https://doi.org/10.31649/1681-7893-2025-49-1-227-234.
• Марчук, А. Ю. Аналіз методів та систем розпізнавання патологій вуха на отоскопічних зображеннях [Електронний ресурс] / А. Ю. Марчук // Оптико-електронні інформаційно-енергетичні технології. – 2025. – Т. 49, № 1. – С. 227-234. – DOI: https://doi.org/10.31649/1681-7893-2025-49-1-227-234.
• Марчук, А. Ю. Метод обробки отоскопічних зображень з використанням октавної згортки та трансформерів [Електронний ресурс] / А. Ю. Марчук // Наукові праці Вінницького національного технічного університету. – 2025. – № 2. – С. 1-8.
• Маслій, Р. В. Використання нейронних мереж глибокого навчання YOLO для підрахунку транспортних засобів [Текст] / Р. В. Маслій, О. М. Кириленко, М. В. Щербатюк // Оптоелектронні інформаційні технології "Фотоніка-ОДС 2018" : збірник тез доповідей восьмої міжнародної науково-технічної конференції, м. Вінниця, 2-4 жовтня 2018 р. / ВНТУ. – Вінниця : Едельвейс і К, 2018. – С. 204.
• Михайліченко, О. В. Аналіз енергоефективності мобільних робототехнічних платформ і безпілотних літальних апаратів у гібридних мережах [Електронний ресурс] / О. В. Михайліченко, А. С. Янко, О. І. Лактіонов // Вісник Вінницького політехнічного інституту. – 2025. – № 6. – С. 78-82. – DOI: https://doi.org/10.31649/1997-9266-2025-183-6-78-82.

1   2