Кот, Анатолій ТарасовичПавленко, Іван Миколайович2023-09-152023-09-152023Павленко, І. М. Напівкероване навчання на основі гаусівських випадкових полів : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Павленко Іван Миколайович. – Київ, 2023. – 104 с.https://ela.kpi.ua/handle/123456789/60411Дипломна робота: 104 с., 24 табл., 22 рис., 2 додатки, 18 джерел. Мета роботи: дослідження напівкерованого навчання на основі гаусівських випадкових полів та гармонічних функцій, розробка алгоритму, його модифікації та їх порівняння за результатами експериментів. Актуальність теми: в умовах великої кількості частково маркованих даних методи напівкерованого навчання стають найбільш актуальними та бажаними, а напівкероване навчання на основі гаусівських випадкових полів є одним з найшвидших, проте складних методів. Об’єктом дослідження є напівкероване навчання в задачах класифікації. Предметом дослідження є використання гаусівських випадкових полів та гармонічних функцій для поширення міток як методу напівкерованого навчання. Методи дослідження: імплементація алгоритму напівкерованого навчання, його модифікування, виконані мовою програмування Python, порівняння на основі проведених експериментів. Результати: був імплементований та модифікований досліджуваний алгоритм, проведені експерименти на синтетичних наборах даних, на їх результатах порівняно два алгоритма та зроблемо відповідні висновки.104 с.ukкласифікаціямашинне навчаннянапівкероване навчанняметоди поширення мітокгаусівські випадкові полягармонічні функціїclassificationmachine learningsemi-supervised learninglabel propagation methodsgaussian random fieldsharmonic functionsBachelor Thesis