1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2025
4. ⅩⅣ Міжнародна науково-технічна конференція молодих учених та студентів „Актуальні задачі сучасних технологій“ (2025)

Назва:	Розроблення та дослідження автоматизованої системи класифікації стану обладнання на основі методів машинного навчання
Інші назви:	Development and research of an automated system for equipment condition classification based on machine learning methods
Автори:	Дідич, Ірина Степанівна Андрушків, В. В. Назаревич, Б. В. Didych, I. S. Andrushkiv, V. V. Nazarevych, B. V.
Приналежність:	Тернопільський національний технічний університет імені Івана Пулюя
Бібліографічний опис:	Дідич І. С. Розроблення та дослідження автоматизованої системи класифікації стану обладнання на основі методів машинного навчання / Ірина Степанівна Дідич, В. В. Андрушків, Б. В. Назаревич // Матеріали ⅩⅣ МНТКМУС „Актуальні задачі сучасних технологій“, 11-12 грудня 2025. — Т. : ФОП Паляниця В.А., 2025. — С. 78–79. — (Сучасні технології в будівництві, машино- та приладобудуванні).
Бібліографічне посилання:	Дідич І. С., Андрушків В. В., Назаревич Б. В. Розроблення та дослідження автоматизованої системи класифікації стану обладнання на основі методів машинного навчання // Матеріали ⅩⅣ МНТКМУС „Актуальні задачі сучасних технологій“, Тернопіль, 11-12 грудня 2025. 2025. С. 78–79.
Bibliographic citation (APA):	Didych, I. S., Andrushkiv, V. V., & Nazarevych, B. V. (2025). Rozroblennia ta doslidzhennia avtomatyzovanoi systemy klasyfikatsii stanu obladnannia na osnovi metodiv mashynnoho navchannia [Development and research of an automated system for equipment condition classification based on machine learning methods]. Proceedings of the ⅩⅣ International Scientific and Technical Conference of Young Scientists and Students “Current Issues of Modern Technologies”, 11-12 December 2025, Ternopil, 78-79. PE Palianytsia V.A.. [in Ukrainian].
Bibliographic citation (CHICAGO):	Didych I. S., Andrushkiv V. V., Nazarevych B. V. (2025) Rozroblennia ta doslidzhennia avtomatyzovanoi systemy klasyfikatsii stanu obladnannia na osnovi metodiv mashynnoho navchannia [Development and research of an automated system for equipment condition classification based on machine learning methods]. Proceedings of the ⅩⅣ International Scientific and Technical Conference of Young Scientists and Students “Current Issues of Modern Technologies” (Tern., 11-12 December 2025), pp. 78-79 [in Ukrainian].
Є частиною видання:	Матеріали ⅩⅣ Міжнародної науково-технічної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“, 2025 Proceedings of the ⅩⅣ International Scientific and Technical Conference of Young Scientists and Students “Current Issues of Modern Technologies”, 2025
Конференція/захід:	ⅩⅣ Міжнародна науково-технічна конференція молодих учених та студентів „Актуальні задачі сучасних технологій“
Журнал/збірник:	Матеріали ⅩⅣ Міжнародної науково-технічної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“
Дата публікації:	11-гру-2025
Дата внесення:	19-лют-2026
Видавництво:	ФОП Паляниця В.А. PE Palianytsia V.A.
Місце видання, проведення:	Тернопіль Ternopil
Часове охоплення:	11-12 грудня 2025 11-12 December 2025
УДК:	539.42 004.032.26
Кількість сторінок:	2
Діапазон сторінок:	78-79
Початкова сторінка:	78
Кінцева сторінка:	79
URI (Уніфікований ідентифікатор ресурсу):	http://elartu.tntu.edu.ua/handle/lib/51777
ISBN:	978-614-8751-08-1
Власник авторського права:	© Тернопільський національний технічний університет імені Івана Пулюя, 2025
URL-посилання пов’язаного матеріалу:	https://doi.org/10.3390/info15050259 https://doi.org/10.1007/s00419-022-02326-8
Перелік літератури:	1. Haykin, S., 2009 “Neural Networks and Learning Machines”, Third Edition, McMaster University, Hamilton, Ontario, Canada, 938 p. 2. Raj, K. K., Kumar, S., Kumar, R. R., & Andriollo, M. (2024). Enhanced Fault Detection in Bearings Using Machine Learning and Raw Accelerometer Data: A Case Study Using the Case Western Reserve University Dataset. Information, 15(5), 259. https://doi.org/10.3390/info15050259. 3. Yoo Y, Jo H, Ban SW. Lite and Efficient Deep Learning Model for Bearing Fault Diagnosis Using the CWRU Dataset. Sensors (Basel). 2023 Mar 15;23(6):3157. doi: 10.3390/s23063157. 4. Masalegoo, S. E., Soleimani, A., & Saeedi Masine, H. (2022). Experimental fault detection of rotating machinery through chaos-based tools of recurrence plot and recurrence quantitative analysis. Archive of Applied Mechanics. https://doi.org/10.1007/s00419-022-02326-8.
References:	1. Haykin, S., 2009 "Neural Networks and Learning Machines", Third Edition, McMaster University, Hamilton, Ontario, Canada, 938 p. 2. Raj, K. K., Kumar, S., Kumar, R. R., & Andriollo, M. (2024). Enhanced Fault Detection in Bearings Using Machine Learning and Raw Accelerometer Data: A Case Study Using the Case Western Reserve University Dataset. Information, 15(5), 259. https://doi.org/10.3390/info15050259. 3. Yoo Y, Jo H, Ban SW. Lite and Efficient Deep Learning Model for Bearing Fault Diagnosis Using the CWRU Dataset. Sensors (Basel). 2023 Mar 15;23(6):3157. doi: 10.3390/s23063157. 4. Masalegoo, S. E., Soleimani, A., & Saeedi Masine, H. (2022). Experimental fault detection of rotating machinery through chaos-based tools of recurrence plot and recurrence quantitative analysis. Archive of Applied Mechanics. https://doi.org/10.1007/s00419-022-02326-8.
Тип вмісту:	Conference Abstract
Розташовується у зібраннях:	ⅩⅣ Міжнародна науково-технічна конференція молодих учених та студентів „Актуальні задачі сучасних технологій“ (2025)

Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.