Концептуальна модель системи діагностики хвороб системи кровообігу на основі методів машинного навчання

dc.contributor.authorТретиник, В. В.
dc.contributor.authorРижкова, Д. О.
dc.date.accessioned2026-01-26T11:13:18Z
dc.date.available2026-01-26T11:13:18Z
dc.date.issued2025
dc.description.abstractotherThis paper presents the evaluation of mathematical and software tools for diagnosis of circulatory system diseases using real medical data from MIMIC-III. Several classical machine learning methods are applied, including logistic regression, k-nearest neighbors (KNN), support vector machines(SVM), decision trees, and ensemble learning method (random forests, boosting). Their performance is compared to identify the most accurate approach for predicting the risk of cardiovascular diseases.
dc.format.pagerangeС. 96-100
dc.identifier.citationТретиник, В. В. Концептуальна модель системи діагностики хвороб системи кровообігу на основі методів машинного навчання / Третиник В. В., Рижкова Д. О. // Прикладна математика та комп'ютинг. ПМК, 2025 : Вісімнадцята наук. конф. магістрантів та аспірантів, [Київ], 19-21 лист. 2025 р. : зб. тез доп. / ФПМ КПІ ім. Ігоря Сікорського. - Київ, 2025. - С. 96-100.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78401
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofПрикладна математика та комп'ютинг. ПМК, 2025 : Вісімнадцята наукова конференція магістрантів та аспірантів, Київ, 19-21 листопада 2025 року : збірник тез доповідей
dc.subject.udc519.67
dc.titleКонцептуальна модель системи діагностики хвороб системи кровообігу на основі методів машинного навчання
dc.title.alternativeMathematics and software for diagnosing diseases of the circulatory system based on machine learning methods
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
PMK2025_P96-100.pdf
Розмір:
238.8 KB
Формат:
Adobe Portable Document Format
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис: