Адаптивне навчання моделей у потокових системах обробки даних із виявленням змін статистичних властивостей

Скорочена інформація про документ
dc.contributor.advisorДмитрієва, Ольга Анатоліївна
dc.contributor.authorКарпенко, Максим Сергійович
dc.date.accessioned2026-09-10T12:41:24Z
dc.date.available2026-09-10T12:41:24Z
dc.date.issued2026
dc.description.abstractОб’єктом дослідження є процеси адаптивного навчання моделей у потокових системах обробки даних із виявленням змін статистичних властивостей. Предметом дослідження є моделі генерації нестаціонарних потокових даних, механізми виявлення змін у потоках даних та підходи до адаптивного перенавчання моделей прогнозування. Мета роботи полягає у розробленні та реалізації адаптивних моделей прогнозування поведінки динамічних процесів в умовах безперервного надходження даних із статистичними властивостями, що змінюються. У роботі розглянуто проблему нестаціонарності потокових даних і впливу зміни властивостей потоку на якість прогнозування моделей машинного навчання. Проаналізовано особливості потокових даних, типи змін у потокових системах, відмінності між статичними й адаптивними моделями, а також підходи до виявлення змін у потоці. Сформульовано математичну постановку задачі адаптивного навчання та описано статичний, базовий адаптивний і режимно-орієнтований підходи. Програмну реалізацію виконано мовою Python із використанням бібліотек NumPy, Pandas, scikit-learn та Matplotlib. Реалізовано механізм виявлення змін на основі контролю помилки прогнозування, відкладену адаптацію моделей після накопичення нового фрагмента потоку, а також підхід із банком моделей для повторюваних режимів. Проведено експериментальне порівняння статичних, базових адаптивних та режимно орієнтованих моделей. Практичне значення роботи полягає у створенні програмного комплексу для генерації нестаціонарних потоків даних, виявлення змін їхніх властивостей, адаптивного перенавчання моделей та аналізу ефективності різних стратегій адаптації. Отримані результати можуть бути використані як основа для подальших досліджень адаптивного навчання в потокових системах обробки даних.
dc.description.abstractotherThe object of the study is the set of processes of adaptive learning of models in streaming data processing systems with detection of changes in statistical properties. The subject of the study is the set of models for generating nonstationary streaming data, mechanisms for detecting changes in data streams, and approaches to adaptive retraining of forecasting models. The aim of the work is to develop and implement adaptive models for forecasting the behavior of dynamic processes under conditions of continuous data arrival with changing statistical properties. The thesis considers the problem of nonstationarity of streaming data and the influence of changes in stream properties on the forecasting quality of machine learning models. We analyze the features of streaming data, types of changes in streaming systems, differences between static and adaptive models, as well as approaches to detecting changes in a stream. The mathematical formulation of the adaptive learning problem is presented, and static, basic adaptive, and regime-oriented approaches are described. The software implementation was carried out in Python using the NumPy, Pandas, scikit-learn, and Matplotlib libraries. We implement a change detection mechanism based on monitoring forecasting error, delayed model adaptation after accumulating a new stream fragment, and an approach with a model bank for recurring regimes. An experimental comparison of static, basic adaptive, and regime-oriented models was conducted. The practical significance of the work lies in the creation of a software system for generating nonstationary data streams, detecting changes in their properties, adaptively retraining models, and analyzing the effectiveness of different adaptation strategies. The obtained results can be used as a basis for further research on adaptive learning in streaming data processing systems.
dc.format.extent214 с.
dc.identifier.citationКарпенко, М. С. Адаптивне навчання моделей у потокових системах обробки даних із виявленням змін статистичних властивостей : дипломна робота … бакалавра : 124 Системний аналіз / Карпенко Максим Сергійович. – Київ, 2026. – 214 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82969
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectадаптивне навчання
dc.subjectпотокові системи
dc.subjectобробка даних
dc.subjectстатистичні властивості
dc.subjectвиявлення змін
dc.subjectнестаціонарність
dc.subjectбанк моделей
dc.subjectpython
dc.subjectadaptive learning
dc.subjectstreaming systems
dc.subjectdata processing
dc.subjectstatistical properties
dc.subjectchange detection
dc.subjectnonstationarity
dc.subjectmodel bank
dc.titleАдаптивне навчання моделей у потокових системах обробки даних із виявленням змін статистичних властивостей
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Karpenko_bakalavr.pdf
Розмір:
41.36 MB
Формат:
Adobe Portable Document Format
Завантажити
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:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи