Перегляд за Автор "Bedratyuk, A."
Зараз показуємо 1 - 6 з 6
Результатів на сторінці
Налаштування сортування
Документ The inverse and derivative connecting problems for some hypergeometric polynomials(Прикарпатський національний університет імені Василя Стефаника, 2018) Белратюк, Леонід Петрович; Бедратюк, Ганна Іванівна; Bedratyuk, L.; Bedratyuk, A.Given two polynomial sets { P n ( x )} n ≥ 0 and { Q n ( x )} n ≥ 0 such that deg ( P n ( x )) = deg ( Q n ( x )) = n. The so-called connection problem between them asks to find coefficients α n,k in the expression Q n ( x ) = n ∑ k = 0 α n,k P k ( x ) . The connectionproblem for different typesof polynomials has along history, and it is still of interest. The connection coefficients play an important role in many problems in pure and applied mathematics, especially in combinatorics, mathematical physics and quantum chemical applications. For the particular case Q n ( x ) = x n the connection problem is called the inversion problem associated to { P n ( x )} n ≥ 0 . The particular case Q n ( x ) = P ′ n + 1 ( x ) is called the derivative connecting problem for polynomial family { P n ( x )} n ≥ 0 . In this paper, we give a closed- form expression of the inversion and the derivative coefficients for hypergeometric polynomials of the formДокумент Аналiз якостi методiв масштабування зображення з допомогою моментних iнварiантiв(Хмельницький національний університет, 2020) Бедратюк, Л.П.; Бедратюк, Г.І.; Bedratyuk, L.; Bedratyuk, A.В роботі запропоновано новий метод оцінки якості масштабування напівтонових зображень на основі геометричних моментів зображення. Вводиться поняття нормалізованих моментів довільного порядку і доводиться, що вони не змінюється при масштабуванні зображень і тому можуть слугувати мірою для оцінки якості зображень при масштабуванні. Проведені числові експерименти показали, що нормалізовані моменти ефективно виявляють спотворення зображення при різних типах інтерполяції і поводять себе аналогічно як і відомі індекси якості зображень.Документ Аналiз якостi методiв повороту зображення зa допомогою моментних iнварiантiв(Хмельницький національний університет, 2020) Бедратюк, Г.І.; Bedratyuk, A.У роботі запропоновано новий метод оцінки якості повороту напівтонових зображень на основі статистичних поворотних інваріантів зображення. Поворотні моменти довільного порядку не змінюються при повороті зображень і тому можуть слугувати мірою для оцінки зміни якості зображень при поворотах. Проведені числові експерименти показали, що поворотні моменти ефективно виявляють спотворення зображення і поводять себе аналогічно, як і відомі індекси якості зображень.Документ Застосування методiв машинного навчання для знаходження максимального елементу(Хмельницький національний університет, 2021) Бедратюк, Г.І.; Bedratyuk, A.В роботі запропоновано реалізації технологіями класичного машинного навчання та аналіз складової частини алгоритму сортування, а саме, знаходження максимального елементу масиву. Було реалізовано такі методи – лінійну регресію, дерева рішень, метод опорних векторів, метод 𝑘-найближчих сусідів. Проведено порівняльний аналіз точності роботи за кожним алгоритмом.Документ Метод автоматизованого створення тестових сценаріїв за допомогою chatgpt(Хмельницький національний університет, 2024) Бедратюк, Г.; Bedratyuk, A.Автоматизація тестування є критичним аспектом розробки програмного забезпечення, що забезпечує високу якість продукту та скорочення часу на розробку. Використання штучного інтелекту, зокрема моделей на основі обробки природної мови, таких як ChatGPT, відкриває нові можливості для автоматизації процесу створення тестових сценаріїв, що дозволяє підвищити ефективність і точність тестування. Метою статті є розробка і оцінка методу автоматизованого створення тестових сценаріїв за допомогою ChatGPT та демонстрація того , як інтеграція ChatGPT може покращити процес генерації тестів, зменшуючи час і зусилля, необхідні для їх розробки. Методологія дослідження включає розробку алгоритмів для автоматизації генерації тестових сценаріїв за допомогою ChatGPT, а також адаптацію моделей для специфічних вимог тестування. Показано, що використання ChatGPT для автоматизованого створення тестових сценаріїв значно покращує якість тестування, забезпечуючи більш високе покриття тестами та виявлення помилок. Також має місце скорочення часу, необхідного для створення тестів, що сприяє загальному прискоренню циклу розробки програмного забезпечення.Документ Метод машинного навчання в управлінні програмними проектами(Хмельницький національний університет, 2024) Бедратюк, Г.; Bedratyuk, A.У статті досліджуються впровадження машинного навчання та штучного інтелекту (ШІ) в управління програмними проектами, демонструючи, як ці технології можуть суттєво підвищити ефективність і точність управлінських процесів. Основна увага приділяється використанню машинного навчання для автоматизації планування, прогнозування витрат, оптимізації розподілу ресурсів та управління ризиками. Описано, як моделі машинного навчання, такі як мовні моделі та метаевристичні алгоритми, сприяють прийняттю рішень у реальному часі, зменшують ризики перевитрат і підвищують продуктивність команд. Кейс-стадії демонструють економічні переваги впровадження ШІ. У статті також розглядаються виклики, пов'язані з інтеграцією машинного навчання в існуючі системи управління, а також перспективи його подальшого розвитку в контексті інноваційних технологій