Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
3 results
Search Results
Item Науковий твір "Аналіз впливу продуктивності кіберспортивної команди на результати кіберспортивних матчів із використанням технологій інтелектуального аналізу даних"(УКРНОІВІ, 2023) Гриценко, Костянтин Григорович; Гриценко, Константин Григорьевич; Hrytsenko, Kostiantyn Hryhorovych; Койбічук, Віталія Василівна; Койбичук, Виталия Васильевна; Koibichuk, Vitaliia Vasylivna; Яценко, Валерій Валерійович; Яценко, Валерий Валерьевич; Yatsenko, Valerii Valeriiovych; Діденко, Ірина Вікторівна; Диденко, Ирина Викторовна; Didenko, Iryna Viktorivna; Доценко, Тетяна Віталіївна; Доценко, Татьяна Витальевна; Dotsenko, Tetiana VitaliivnaІндустрія кіберспорту є міжнародною соціокультурною сферою, яка останнім часом почала активно розвиватися і в Україні. Кіберспорт визнаний світовим співтовариством як повноцінний вид спорту, що є невід’ємною частиною сучасної культури. У багатьох країнах світу кіберспорт має державну підтримку, змагання високого рівня та відповідні освітні програми. У 2020 році в Україні кіберспорт також було визнано офіційним видом спорту, а у серпні 2021 року Україна вперше приймала у себе чемпіонат Європи з кіберспорту. З метою аналізу впливу продуктивності кіберспортивної команди на результати кіберспортивних матчів проведено дослідження за допомогою розроблених із використанням технологій інтелектуального аналізу даних пакета SAS Enterprise Miner прогнозних моделей у вигляді дерева рішень, логістичної регресії та нейронної мережі. Проведене дослідження дозволило проаналізувати, як саме показники продуктивності кіберспортивної команди впливають на результати матчів кіберспортивної дисципліни League of Legends, та обґрунтувати використання нейронної мережі як найкращого предиктора результатів кіберспортивних матчів, метою якого є надання порад гравцям щодо того, як змінити стратегію гри, в якій вони зазнають поразки.Item Науковий твір "Розроблення моделей прогнозування цін фінансових активів за допомогою методів машинного навчання та статистичного аналізу"(УКРНОІВІ, 2023) Койбічук, Віталія Василівна; Койбичук, Виталия Васильевна; Koibichuk, Vitaliia Vasylivna; Боженко, Вікторія Володимирівна; Боженко, Виктория Владимировна; Bozhenko, Viktoriia Volodymyrivna; Яценко, Валерій Валерійович; Яценко, Валерий Валерьевич; Yatsenko, Valerii Valeriiovych; Гриценко, Костянтин Григорович; Гриценко, Константин Григорьевич; Hrytsenko, Kostiantyn Hryhorovych; Діденко, Ірина Вікторівна; Диденко, Ирина Викторовна; Didenko, Iryna Viktorivna; Доценко, Тетяна Віталіївна; Доценко, Татьяна Витальевна; Dotsenko, Tetiana VitaliivnaЗараз, як ніколи раніше, ми стикаємося з величезною кількістю та різноманітністю різних фінансових відносин, не тільки звичайні повсякденні фінансові операції як переказ грошей, але й купівля різних фінансових активів, будь то акції, облігації, можливо навіть криптовалюта чи NFT, все це стало частиною економічного життя світу. Люди завжди хочуть знати, що буде в майбутньому, для цього, до певного часу, люди покладалися виключно на досвід, але зараз завдяки статистичним, економічним та математичним дослідженням, людям відкрилися нові можливості для прогнозування. Для сучасних трейдерів, інвесторів, інвестиційних фондів і просто для людей, які хочуть зберегти або примножити свої гроші, варто використовувати потужні новітні методології дескриптивного аналізу, інтелектуального аналізу даних, машинного навчання, методи обробки статистичної інформації з можливістю роботи з великими даними для того, щоб бути конкурентоспроможними.Item Data mining-based assessement of the risk of using financial intermediaries for money laundering(Ефективна економіка, 2019) Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Бойко, Антон Олександрович; Бойко, Антон Александрович; Boiko, Anton Oleksandrovych; Яровенко, Ганна Миколаївна; Яровенко, Анна Николаевна; Yarovenko, Hanna Mykolaivna; Доценко, Тетяна Віталіївна; Доценко, Татьяна Витальевна; Dotsenko, Tetiana VitaliivnaВ статті побудовано економіко-математичні моделі нейронної мережі залежності ризику використання фінансових посередників з метою легалізації коштів, отриманих незаконним шляхом, від факторних ознак. Реалізація запропонованої методики відбувалась у вигляді багатошарового персептрону MLP та мережі на основі радіальних базисних функцій. Для побудови нейронної мережі типу багатошарового персептрону MLP використано алгоритм BFGS. Для побудови нейронної мережі на основі радіальних базисних функцій RBF використано алгоритм RBFT. Інтелектуальний аналіз даних в розрізі виявлення ключових факторів досліджуваного ризику проведений на основі дослідження колінеарності шляхом застосування сигма-обмеженої параметризації та кореляційного аналізу залежності як регресанда від кожного із індикаторів регресорів, так і факторів між собою. Проведене ранжування факторів за ступенем їх впливу на відгук: 1) індекс сприйняття корупції; 2) внутрішньо переміщені особи, нові переміщення, пов'язані з конфліктом та насильством (кількість випадків); 3) світовий індекс щастя; 4) позови до центрального уряду; 5) банківська таємниця; 6) глобальний індекс тероризму; 7) валовий внутрішній продукт на душу населення. Побудовані моделі нейронних мереж представлені архітектурою (кількістю шарів та прихованих нейронів), продуктивністю та помилкою (навчальною, контрольною, тестовою), алгоритмом навчання, а також функціями помилки, активних прихованих та активних вихідних нейронів. Достовірність представлених моделей доведена на основі критеріїв: «Продуктивність навчання», «Контрольна продуктивність», «Тестова продуктивність». Проведено прогнозування ризику використання фінансових посередників з метою легалізації кримінальних доходів на період 2019 – 2023 рр., яка засвідчило його поступове зростання починаючи з 2020 р. Доведено, що прогнозні значення ризику використання фінансових посередників з метою легалізації кримінальних доходів, незалежно від досить низького прогнозного рівня 2019 року, мають тенденцію до стрімкого зростання в найближчій перспективі.