Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
4 results
Search Results
Item Predictive modeling of the outcomes of cyber sport matches using Data Mining technologies(Хмельницький національний університет, 2021) Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Гриценко, Костянтин Григорович; Гриценко, Константин Григорьевич; Hrytsenko, Kostiantyn Hryhorovych; Яровенко, Ганна Миколаївна; Яровенко, Анна Николаевна; Yarovenko, Hanna Mykolaivna; Кушнерьов, Олександр Сергійович; Кушнерёв, Александр Сергеевич; Kushnerov, Oleksandr Serhiiovych; Hrytsenko, A.K.Кіберспортивна галузь є високорозвиненою міждисциплінарною сферою, в якій широко використовуються технології машинного навчання та штучного інтелекту. В статті досліджено питання застосування технологій Data Mining з метою прогнозування результатів кіберспортивних матчів. Розглянута методика прогнозного моделювання. На основі кореляційного аналізу визначено вхідні змінні для прогнозування результатів матчів онлайн гри League of Legends. В пакеті SAS Enterprise Miner побудовано прогнозні моделі у вигляді дерева рішень, логістичної регресії та нейронної мережі. На основі аналізу показників якості прогнозних моделей обгрунтовано використання нейронної мережі в складі предиктора результатів кіберспортивних матчів. Метою даного предиктора є надання гравцям порад про те, яким чином змінити стратегію гри, в якій вони зазнають поразки.Item Прогнозне моделювання результатів кіберспортивних матчів із використанням технологій data mining(Комп’ютерні системи та інформаційні технології, 2021) Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Гриценко, Костянтин Григорович; Гриценко, Константин Григорьевич; Hrytsenko, Kostiantyn Hryhorovych; Яровенко, Ганна Миколаївна; Яровенко, Анна Николаевна; Yarovenko, Hanna Mykolaivna; Кушнерьов, Олександр Сергійович; Кушнерёв, Александр Сергеевич; Kushnerov, Oleksandr Serhiiovych; Гриценко, АОстаннім часом в Україні активно розвивається індустрія кіберспорту. Кіберспорт сприяє розвитку розумових здібностей у використанні інформаційних технологій. Кіберспорт – це змагання з комп’ютерних ігор. Вона охоплює велику кількість населення та широкий спектр професій. Індустрія кіберспорту включає не лише гравців, а й розробників ігор, менеджерів команд, організаторів турнірів, маркетологів, стрімінгових компаній, численних спонсорів та державних установ. У багатьох країнах світу кіберспорт має державну підтримку, змагання високого рівня та відповідні освітні програми. У 2020 році кіберспорт був визнаний офіційним видом спорту в Україні, а в серпні 2021 року Україна вперше прийняла Чемпіонат Європи з кіберспорту. Особливо слід відзначити роль штучного інтелекту та технологій машинного навчання у розробці комп’ютерних онлайн-ігор. Кіберспортивна галузь є високорозвиненою міждисциплінарною сферою, в якій широко використовуються технології машинного навчання та штучного інтелекту. В статті досліджено питання застосування технологій Data Mining з метою прогнозування результатів кіберспортивних матчів. Розглянута методика прогнозного моделювання. На основі кореляційного аналізу визначено вхідні змінні для прогнозування результатів матчів онлайн гри League of Legends. В пакеті SAS Enterprise Miner побудовано прогнозні моделі у вигляді дерева рішень, логістичної регресії та нейронної мережі. На основі аналізу показників якості прогнозних моделей обгрунтовано використання нейронної мережі в складі предиктора результатів кіберспортивних матчів. Метою даного предиктора є надання гравцям порад про те, яким чином змінити стратегію гри, в якій вони зазнають поразки.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.Item Методи дослідження ринку автоматизованих інформаційних систем(2011) Яровенко, Ганна Миколаївна; Яровенко, Анна Николаевна; Yarovenko, Hanna Mykolaivna; Титаренко, А.К.В статті запропоновано застосування принципів латерального мислення для дослідження ринку автоматизованих інформаційних систем з метою оцінки вибору розробниками та користувачами інформаційних систем програмних продуктів. Для реалізації латерального зрушення обґрунтовано використання кластерного аналізу та нейронної мережі, застосування яких дозволить в залежності від певних компонент визначити відповідний сегмент ринку або визначити ті компоненти, які повинна мати система для її просування на певному ринку. Наведено приклад кластеризації та визначення сегменту.