Реєстраційний номер
0824U000431, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
23-02-2024
Статус
Захищена
Назва роботи
Інформаційна технологія прогнозування часових рядів кількості хворих на коронавірус методами машинного навчання
Здобувач
Лосенко Арсен Володимирович,
Керівник Мокін Віталій Борисович
Опонент Бідюк Петро Іванович
Опонент Голуб Сергій Васильович
Рецензент Бісікало Олег Володимирович
Рецензент Іванов Юрій Юрійович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Вінницький національний технічний університет
Опис
1.укр.
Дисертаційна робота: 203 с., 4 табл., 63 рис., 5 дод., 100 джерел.
ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ПРОГНОЗУВАННЯ ЧАСОВИХ РЯДІВ КІЛЬКОСТІ ХВОРИХ НА КОРОНАВІРУС МЕТОДАМИ МАШИННОГО НАВЧАННЯ
Мета роботи полягає в підвищенні точності прогнозування кількості хворих на коронавірус у короткостроковій перспективі за допомогою методів машинного навчання..
Об’єктом дослідження прогнозування кількості хворих на коронавірус у різних регіонах.
Предметом дослідження є інформаційна технологія, методи, алгоритми та програми для прогнозування кількості хворих на коронавірус..
Методи дослідження містять загальнонаукову методологію проведення досліджень і принципи системного підходу, а саме: аналіз літературних джерел, відкритих даних, експериментальні дослідження, об’єктно-орієнтоване програмування, системний аналіз, методи теорії часових рядів, методи машинного навчання та інші інтелектуальні методи.
Пандемія COVID-19 зробила актуальною задачу прогнозування захворюваності інфекційних хвороб та коронавірусу в цілому. Але, враховуючи кількість чинників, які впливають на розповсюдження хвороби та хаотичність їх значень, з’явилась потреба в оптимізації методів прогнозування. Вже існують моделі прогнозування часових рядів, створені для вирішення такої типової задачі, але дане інфекційне захворювання створює нові виклики, такі як оптимальна ідентифікація параметрів моделі прогнозування, а також здатність характеризувати багатохвильову природу часового ряду захворюваності. Крім, власне прогнозування захворюваності в тому чи іншому регіоні (або країні), варто також звернути увагу на аналіз можливого інфекційного впливу сусідніх регіонів, тому що це безпосередньо впливає на обʼєкт дослідження.
Отримані під час написання дисертаційної роботи наукові положення сприяли розробленню і створенню комплексу програм на Python, які автоматизують розрахунки за усіма запропонованими методами та підходами і реалізують побудову та використання розроблених моделей. У Google-платформі Kaggle опубліковано у відкритому доступі 10 програм-ноутбуків у співавторстві з науковим керівником, які за 2020-2023 роки були переглянуті більше 36 тисяч разів (станом на 07.12.2023 р.). Основні наукові результати та практичні розробки дисертаційної роботи пройшли апробацію на 4 наукових конференціях, у т.ч. на 2-х міжнародних у НАН України у м. Київ, та у нарадах Робочої групи з математичного моделювання проблем, пов'язаних з епідемією коронавірусу SARS-CoV-2 в Україні: протягом 2020-2022 рр., в результаті яких їх було включено у 25 звітів цієї робочої групи, що підтверджено актом впровадження з Інституту проблем математичних машин і систем НАН України.
Дата реєстрації
2024-01-17
Додано/оновлено в НРАТ
2024-01-17 / 2026-07-01
