Методи штучного інтелекту та нечіткої логіки для генерації рекомендацій

Скорочена інформація про документ
dc.contributor.advisorЛіскін, Вячеслав Олегович
dc.contributor.authorБородавченко, Олександр Олександрович
dc.date.accessioned2025-01-07T10:48:42Z
dc.date.available2025-01-07T10:48:42Z
dc.date.issued2024
dc.descriptionПрограмний продукт призначений для генерації персоналізованих планів тренувань з бігу з використанням методів штучного інтелекту (MLP, XGBoost) та нечіткої логіки (Мамдані). Система аналізує фізіологічні дані користувача (стать, вік, зріст, вагу, пульс, SpO2) та ціль тренувань, прогнозує базову дистанцію, генерує план тренувань та адаптує його інтенсивність на основі змін стану користувача (пульс, SpO2, самопочуття, тривалість сну, рівень стресу).
dc.description.abstractУ роботі досліджено методи штучного інтелекту та нечіткої логіки для створення персоналізованих планів тренувань з бігу. Розроблено систему, що прогнозує базову дистанцію бігу та адаптує інтенсивність тренувань з урахуванням фізіологічних даних та змін у стані користувача. Використання MLP та XGBoost для прогнозування та нечіткої логіки Мамдані для адаптації дозволило створити гнучку та ефективну систему.
dc.description.abstractotherThis work explores artificial intelligence and fuzzy logic methods for creating personalized running training plans. A system has been developed that predicts the base running distance and adapts the training intensity based on physiological data and changes in the user's condition. Using MLP and XGBoost for prediction and Mamdani fuzzy logic for adaptation has resulted in a flexible and efficient system.
dc.format.extent142 с.
dc.identifier.citationБородавченко, О. О. Методи штучного інтелекту та нечіткої логіки для генерації рекомендацій : магістерська дис. : 122 Комп’ютерні науки / Бородавченко Олександр Олександрович. – Київ, 2024. – 142 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71652
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиев
dc.subjectштучний інтелект
dc.subjectнечітка логіка
dc.subjectрекомендаційні системи
dc.subjectперсоналізовані тренування
dc.subjectбіг
dc.subjectмашинне навчання
dc.subjectадаптивні системи
dc.subjectпрогнозування
dc.subjectпланування тренувань
dc.subjectMLP
dc.subjectXGBoost
dc.titleМетоди штучного інтелекту та нечіткої логіки для генерації рекомендацій
dc.title.alternativeМетоди штучного інтелекту та нечіткої логіки для генерації рекомендацій
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Borodavchenko_magistr.pdf
Розмір:
2.99 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

Магістерські роботи (ЦТЕ)
Магістерські роботи