Магістерські студії (Вип. 21, 22, 23, 24)
Permanent URI for this collectionhttps://ekhsuir.kspu.edu/handle/123456789/15495
Browse
2 results
Search Results
Item АНАЛІЗ СИСТЕМ УПРАВЛІННЯ ВЕБ-СЕРВІСОМ ДЛЯ ПРОГНОЗУВАННЯ ЦІН НА НЕРУХОМІСТЬ З ВИКОРИСТАННЯМ ІНСТРУМЕНТІВ МАШИННОГО НАВЧАННЯ(2024) Федченко, К. О.На сьогодні існує багато різних веб-сервісів для оренди нерухомості, але жоден з них не надає можливості прогнозування цін. Існує необхідність у створенні платформи, яка б дозволяла користувачам отримувати точні прогнози цін на нерухомість з мінімальними витратами часу. Метою даної статті є розробка архітектури веб-сервісу для прогнозування цін на нерухомість, який враховує різні характеристики квартир. Наразі не існує аналогів нашої системи управління веб-сервісом для прогнозування цін на нерухомість з урахуванням широкого спектра параметрів квартир. Ми підготували огляд та аналіз існуючих аналогів веб-сервісів оренди нерухомості, функціональні та нефункціональні вимоги до веб-сервісу для прогнозування цін на квартири. Високорівнева архітектура та технічні завдання для учасників нашого веб-сервісу також були розроблені та описані у нашому дослідженні. Аналіз даних про вимоги користувачів підготовлений для прийняття рішень щодо прогнозування цін на нерухомість за допомогою програмного забезпечення. Today, there are many different web-based services for renting property, but none of them provide price forecasting capabilities. There is a need to create a platform that would allow users to obtain accurate property price forecasts with minimal time investment. The purpose of this article is to develop the architecture of a web service for forecasting real estate prices that takes into account various characteristics of apartments. Currently, there are no analogues of our management system for a web service for forecasting real estate prices, taking into account a wide range of apartment parameters. We have prepared a review and analysis of existing analogues of web-based real estate rental services, functional and non-functional requirements for a web-based service for apartment price forecasting. The high-level architecture and technical specifications for the participants of our web service were also developed and described in our study. Data analysis of user requirements is prepared for decision-making on real estate price forecasting using the software.Item МОДЕЛЮВАННЯ СИСТЕМИ «ГРАВЕЦЬ-КОМП’ЮТЕРНА ГРА» ЗА ДОПОМОГОЮ МЕТОДІВ МАШИННОГО НАВЧАННЯ(2021) Шувалов, А. К.Штучний інтелект для відеоігор являє собою реалізацію набору алгоритмів і методів як традиційного, так і сучасного штучного інтелекту з метою забезпечення вирішення цілого ряду ігрових залежних задач. Однак більшість сучасних підходів призводять до визначених, статичних і передбачуваних реакцій ігрового агента, не маючи можливості пристосуватися під час гри до поведінки або стилю гри користувача. Методи машинного навчання дозволяють поліпшити поведінкову динаміку керованих комп'ютером ігрових агентів, полегшуючи автоматизовану генерацію і відбір моделей поведінки, тим самим розширюючи можливості цифрового ігрового штучного інтелекту і надаючи можливість створювати більш захоплюючі і цікаві ігрові враження. Найголовніше полягає в тому, що рішення задач у відеоіграх може привести до вирішення реальних завдань з використанням перевірених алгоритмів штучного інтелекту. У сучасних дослідженнях представлений ряд академічних робіт, які в теперішній момент відзначають популярність і релевантність машинного навчання для ігрових середовищ з точки зору використання методів нейронних мереж, еволюційних обчислень і навчання з підкріпленням для управління ігровими агентами. Artificial intelligence for video game is the implementation of a set of algorithms and methods of both traditional and modern artificial intelligence to ensure the solution of a number of game-dependent problems. However, most modern approaches lead to definite, static and predictable reactions of the game agent, not being able to adapt during the game to the behavior or style of the user's game. Machine learning techniques can improve the behavioral dynamics of computer-controlled game agents, facilitating the automated generation and selection of behavior patterns, thereby expanding the capabilities of digital gaming artificial intelligence and providing the opportunity to create more exciting and interesting gaming experiences. The most important thing is that solving problems in video games can lead to solving real problems using proven algorithms of artificial intelligence. Modern research presents a number of academic papers that currently note the popularity and relevance of machine learning for gaming environments in terms of the use of neural network techniques, evolutionary computing, and reinforced learning to control game agents.