Пошук академічних текстів

Інформація × Реєстраційний номер 0224U031750, 0122U002026 , Науково-дослідна робота Назва роботи Обчислювальні алгоритми і оптимізація для штучного інтелекту, медицини та оборони Назва етапу роботи Керівник роботи Ляшко Сергій Іванович, Доктор фізико-математичних наук Дата реєстрації 11-06-2024 Організація виконавець Київський національний університет імені Тараса Шевченка Опис етапу Розроблені удосконалені алгоритмів для розв'язання обернених задач перенесення речовин в пористому середовищі. Такий підхід надає можливість розробляти оптимізовані системи мікрозрошення та приймати оптимальні рішення щодо очищення підземних вод від забруднень, що актуально під час вирішення екологічних проблем. Розроблено нові методи оцінювання моделей машинного навчання для прогнозування епідеміологічних кривих COVID-19. Розроблено також новий непараметричний тест випадкових помилок та його застосування для порівняння п’яти моделей прогнозування епідемічного захворювання COVID-19. Вперше доведено, що цей тест має гарантований рівень значущості завдяки використанню точного довірчого інтервалу, що гарантує ефективність прогнозування епідеміологічних кривих COVID-19. Розроблені та досліджені нові децентралізовані алгоритми для варіаційних нерівностей та ігрових задач. Таки алгоритми мають подвійне призначення та можуть принести користь для зміцнення національної безпеки і оборони України у сфері інформаційних технологій штучного інтелекту, моделей машинного навчання та нейронних мереж. Досліджені і обґрунтовані нові методи осереднення для варіаційних нерівностей і рівнянь. Такі нерівності і рівняння описують різноманітні процеси. Обчислення осереднених траєкторій таких процесів дозволяє моделювати реальні процеси очищені від різноманітних шумів та збурень. Зокрема, осереднені траєкторії рівнянь гарантують найбільш комфортне використання масивів мікроголок, що набирають популярність як новий метод для ін'єкцій у сучасній медицині. Відповідно, варіаційні нерівності, наприклад, використовуються для реалізації алгоритмів штучного інтелекту, моделей машинного навчання та нейронних мереж. Осереднення таких нерівностей визначає найоптимальніші траєкторії таких алгоритмів. Представлено нову кусково-поліноміальну криву ермітового типу на нерівномірних сітках. В залежності від розташування вузлів сітки крива є квадратичною або кубічною. Досліджена похибка апроксимації. Опис продукції Автори роботи Веклич Олена Афанасіївна Кашпур Олена Федорівна Клюшин Дмитро Анатолійвич Сіренко Ігор Павлович Сандраков Геннадій Вікторович Семенов Володимир Вікторович Стеля Олег Борисович Додано в НРАТ 2024-06-11 Закрити