Порівняльний аналіз губридних моделей глибинного навчання в ризик-орієнтованих завданнях Data mining

Шведов, Д. С.; Рудніченко, М. Д.; Шибаєва, Н. О.

Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://dspace.pdpu.edu.ua/handle/123456789/22010

Повний запис метаданих

Поле DC	Значення	Мова
dc.contributor.author	Шведов, Д. С.	-
dc.contributor.author	Рудніченко, М. Д.	-
dc.contributor.author	Шибаєва, Н. О.	-
dc.date.accessioned	2025-05-16T08:36:55Z	-
dc.date.available	2025-05-16T08:36:55Z	-
dc.date.issued	2025	-
dc.identifier.citation	Шведов Д. С. Порівняльний аналіз губридних моделей глибинного навчання в ризик-орієнтованих завданнях Data mining / Д. С. Шведов , М. Д. Рудніченко , Н. О. Шибаєва // Інформатика, інформаційні системи та технології: тези доповідей двадцять другої Всеукраїнської конференції студентів і молодих науковців (Одеса, 25 квітня 2025 р.) / Державний заклад «Південноукраїнський національний педагогічний університет імені К. Д. Ушинського", ОНУ ім. І. І. Мечнікова. – Одеса, 2025. - С. 138-140.	uk
dc.identifier.uri	http://dspace.pdpu.edu.ua/handle/123456789/22010	-
dc.description.abstract	Гібридні моделі глибинного навчання набувають дедалі більшого значення у вирішенні ризик-орієнтованих завдань, зокрема у сфері data mining. Оцінка ризиків фінансових часових рядів вимагає розробки методологій, які поєднують переваги різних підходів обчислювального інтелекту.	uk
dc.publisher	Державний заклад «Південноукраїнський національний педагогічний університет імені К. Д. Ушинського»	uk
dc.subject	інтелектуальний аналіз даних	uk
dc.subject	глибинне навчання	uk
dc.title	Порівняльний аналіз губридних моделей глибинного навчання в ризик-орієнтованих завданнях Data mining	uk
dc.type	Article	uk
Розташовується у зібраннях:	Інформатика, інформаційні системи та технології (2025)

Файли цього матеріалу:

Файл	Опис	Розмір	Формат
22.pdf		198.72 kB	Adobe PDF	Переглянути/Відкрити

Показати базовий опис матеріалу Перегляд статистики

Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.