https://socictopen.socict.org/files/original/e10311d9376db811f8a4f1a5ad4ac0b5.pdf 168daa1196b513704aec12bcf2bc73bf Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Coronavirus Description An account of the resource Dominio científico: Coronavirus Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource ВИДІЛЕННЯ ЗОН РОЗПОВСЮДЖЕННЯ ЗАХВОРЮВАНОСТІ НА КОРОНАВІРУС COVID-19 НА ОСНОВІ МЕТОДІВ КЛАСТЕРНОГО АНАЛІЗУ Creator An entity primarily responsible for making the resource Kseniia Bazilevych, Ievgen Meniailov, Dmytro Chumachenko Description An account of the resource Предмет: використання математичного апарату нейронних мереж для наукового обгрунтування протиепідемічних заходів з метою зниження захворюваності при прийнятті ефективних управлінських рішень. Ціль: застосувати кластерний аналіз, на основі нейронної мережі, для вирішення задачі виділення зон розповсюдження захворюваності. Задачі: проаналізувати методи аналізу даних для вирішення задачі кластеризації; розробити нейромережевий метод кластеризації територій України за характером епідемічного процесу COVID-19; на основі розробленого методу реалізувати програмний додаток аналізу даних для виділення зон розповсюдження захворюваності на прикладі коронавірусу COVID-19. Методи: моделі та методи аналізу даних, моделі та методи теорії систем (на базі інформаційного підходу), методи машинного навчання, зокрема метод Adaptive Boosting (на основі методу градієнтного спуску), методи навчання нейронних мереж. Результати: були використані розподілені по областям України дані Центру громадського здоров’я МОЗ України про захворюваність на COVID-19, кількість лабораторно обстежених осіб, кількість проведених лабораторних досліджень методами ПЦР та ІФА, кількість проведених лабораторних досліджень IgA, IgM, IgG; в моделі використані дані з березня 2020 по грудень 2020, при моделюванні не враховані дані з тимчасово окупованих територій України; для кластерного аналізу побудована нейронна мережа з 60 вхідними нейронами, 100 прихованими нейронами з активаційною функцією Фермі та 4 вихідними нейронами; для програмної реалізації моделі використана мова програмування Python. Висновки: проведено аналіз методів побудови нейронних мереж; аналіз методів навчання нейронних мереж, у тому числі методу градієнтного спуску; всі теоретичні вiдомостi, описанi в цiй роботi, були використанi для реалiзації програмного продукту обробки даних тестування на COVID-19 в Україні; було проведено розбиття областей України на зони зараження вірусом COVID-19 та представлено карту цього розбиття. Date A point or period of time associated with an event in the lifecycle of the resource 2021 Subject The topic of the resource covid-19, кластерний аналіз, нейронна мережа, машинне навчання, епідемічний процес Identifier An unambiguous reference to the resource within a given context 10.30837/ITSSI.2021.15.005 Source A related resource from which the described resource is derived Сучасний стан наукових досліджень та технологій в промисловості Publisher An entity responsible for making the resource available Kharkiv National University of Radio Electronics Coverage The spatial or temporal topic of the resource, the spatial applicability of the resource, or the jurisdiction under which the resource is relevant Engineering economy