Д. П. Сабов’s scientific contributions

What is this page?


This page lists works of an author who doesn't have a ResearchGate profile or hasn't added the works to their profile yet. It is automatically generated from public (personal) data to further our legitimate goal of comprehensive and accurate scientific recordkeeping. If you are this author and want this page removed, please let us know.

Publications (2)


Використання нечітких моделей у дослідженнях сейсмологічних процесів регіону
  • Article
  • Full-text available

October 2023

·

11 Reads

Науковий вісник Ужгородського університету Серія Математика і інформатика

Д. П. Сабов

·

М. М. Шаркаді

·

Т. Ш. Сабо

Землетруси здатні спричиняти масштабні руйнування та завдавати шкоди людському життю, тому це є предметом багатьох досліджень. Вчені та дослідники прагнуть покращити наше розуміння природи підземних поштовхів та пропонують різні методи передбачення їх початку та оцінки їх впливу. Нечітке моделювання знаходить широке застосування в дослідженні землетрусів, охоплюючи передбачення землетрусів, оцінку небезпеки, аналіз ризику та розробку систем підтримки прийняття рішень. Нечіткі моделі здатні інтегрувати дані різного типу, такі як сейсмічні дані, геодезичні вимірювання та геологічні дані, щоб передбачити ймовірність і силу майбутніх землетрусів. Крім того, ці моделі можуть враховувати зміни в часі та просторі під час виникнення землетрусів, дозволяючи ідентифікувати регіони з високим ризиком і обчислювати потенційні збитки. У статті запропоновано застосування підходу нечіткого моделювання в сейсмічних дослідженнях, а також використання нечіткої логіки в сейсмічному моделюванні для обробки неточних даних і врахування невизначеностей. Комбінації нечітких моделей з іншими обчислювальними методами та джерелами даних використані для підвищення точності та передбачуваності.

Download

Підходи щодо кластеризації криптовалют

Науковий вісник Ужгородського університету Серія Математика і інформатика

Криптовалюти еволюцiонували з цифрової новинки до технологiй на трильйон доларiв, що можуть за кiлька рокiв викликати значний вплив на глобальну фiнансову систему. Бiткоїн та сотнi iнших криптовалют стають все бiльш популярними як iнвестицiйний iнструмент, а також використовуються для оплати товарiв та послуг, вiд програмного забезпечення до нерухомостi [1]. В межах даної наукової роботи проведено кластеризацiю криптовалют з використанням рiзних методiв. Для проведення дослiдження використано реальнi данi iз сервiсу CryptoCompare. На першому етапi набiр даних нормалiзовано та стандартизовано. Далi проведено зменшення розмiрностi даних. На наступних етапах визначено оптимальну кiлькiсть кластерiв та проведено подiл криптовалют на вiдповiднi кластери. Для досягнення поставленої мети використано наступнi методи: EDA, PCA, t-SNE, k-means, метод лiктя та силуетний метод.