Сортировать по:
| Выпуск | Название | |
| Том 18, № 3 (2021) | ПРОГНОЗИРОВАНИЕ СПРОСА В РЕСТОРАННОМ БИЗНЕСЕ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ | Аннотация похожие документы |
| А. Е. Бортан, Б. М. Байсаков | ||
| "... visitor forecasting" will receive: Neural Network, XGBoost and Random Forest regressor. The predicted ..." | ||
| Том 23, № 2 (2026) | МЕТОД НА ОСНОВЕ SMOTE ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ОБНАРУЖЕНИЯ МОШЕННИЧЕСТВА С КРЕДИТНЫМИ КАРТАМИ | Аннотация похожие документы |
| Т. Азизов, З. Aбдиахметова | ||
| "... . We experimented with five ML models–XGBoost, LightGBM, Random Forest, Neural Networks, and Logistic Regression ..." | ||
| Том 23, № 3 (2026) | AQRACE: ОБНАРУЖЕНИЕ ВРЕДОНОСНЫХ URL-АДРЕСОВ В QR-КОДАХ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОЦЕНКИ БЕЗОПАСНОСТИ В РЕАЛЬНОМ ВРЕМЕНИ | Аннотация PDF (Rus) похожие документы |
| Норлиза Катук, Хикма Нурдин, М. Али Фаузи, Мхд. Фуркан | ||
| "... for classification. Four supervised machine-learning algorithms–XGBoost, Random Forest, Decision Tree, and Logistic ..." | ||
| Том 23, № 3 (2026) | ЭМПИРИЧЕСКОЕ СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ ГРАДИЕНТНОГО БУСТИНГА ДЛЯ ПРОГНОЗИРОВАНИЯ ТЕРМИЧЕСКОГО РАЗЛОЖЕНИЯ В ПОЛИМЕРНЫХ КОМПОЗИТАХ С МИНЕРАЛЬНЫМИ НАПОЛНИТЕЛЯМИ | Аннотация PDF (Rus) похожие документы |
| Б. Изтлеуова, А. Иманчиев, А. Бекешев, Н. Жантурина, Ш. Усенкулова, С. Ванг | ||
| "... . The gradient boosting algorithm is output step by step with a numerical example of TGA. XGBoost and CatBoost ..." | ||
| Том 22, № 1 (2025) | ПРОГНОЗИРОВАНИЕ КОЛИЧЕСТВА КОРРУПЦИОННЫХ ПРЕСТУПЛЕНИЙ В КАЗАХСТАНЕ: ПОДХОД НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ | Аннотация похожие документы |
| А. Битанов | ||
| "... [3]. Three regression models were applied: k-Nearest Neighbors (kNN), Extreme Gradient Boosting (XGBoost ..." | ||
| Том 23, № 3 (2026) | МОДИФИЦИРОВАННАЯ SEIR МОДЕЛЬ С GRID AUTO-SEARCH ОПТИМИЗАЦИЕЙ ДЛЯ ВЫСОКОТОЧНОГО ПРОГНОЗИРОВАНИЯ ДИНАМИКИ ЭПИДЕМИЙ НА ОСНОВЕ COVID-19 | Аннотация PDF (Rus) похожие документы |
| A. A. Куатбаева, A. Н. Омарбеков, А. А. Аян | ||
| "... trainingperiod selection. XGBoost and LSTM algorithms are applied to forecast the time-varying transmission ..." | ||
| Том 22, № 1 (2025) | МЕТОДЫ ОБРАБОТКИ И АНАЛИЗА БОЛЬШИХ ДАННЫХ: ПОДХОДЫ И ПЕРСПЕКТИВЫ В ЗАДАЧАХ МАШИННОГО ОБУЧЕНИЯ | Аннотация похожие документы |
| Н. Комаров, С. Б. Муханов, И. М. Базарбеков, С. Ж. Жакыпбеков, С. Е. Сибанбаева | ||
| "... , the effectiveness of algorithms such as XGBoost, the support vector machine (SVM), ensemble methods, as well ..." | ||
| 1 - 7 из 7 результатов | ||
Советы по поиску:
- Поиск ведется с учетом регистра (строчные и прописные буквы различаются)
- Служебные слова (предлоги, союзы и т.п.) игнорируются
- По умолчанию отображаются статьи, содержащие хотя бы одно слово из запроса (то есть предполагается условие OR)
- Чтобы гарантировать, что слово содержится в статье, предварите его знаком +; например, +журнал +мембрана органелла рибосома
- Для поиска статей, содержащих все слова из запроса, объединяйте их с помощью AND; например, клетка AND органелла
- Исключайте слово при помощи знака - (дефис) или NOT; например. клетка -стволовая или клетка NOT стволовая
- Для поиска точной фразы используйте кавычки; например, "бесплатные издания". Совет: используйте кавычки для поиска последовательности иероглифов; например, "中国"
- Используйте круглые скобки для создания сложных запросов; например, архив ((журнал AND конференция) NOT диссертация)
