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)

Title:	Розроблення та дослідження автоматизованої системи класифікації стану обладнання на основі методів машинного навчання
Other Titles:	Development and research of an automated system for equipment condition classification based on machine learning methods
Authors:	Дідич, Ірина Степанівна Андрушків, В. В. Назаревич, Б. В. Didych, I. S. Andrushkiv, V. V. Nazarevych, B. V.
Affiliation:	Тернопільський національний технічний університет імені Івана Пулюя
Bibliographic description (Ukraine):	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).
Bibliographic reference (2015):	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].
Is part of:	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
Conference/Event:	ⅩⅣ Міжнародна науково-технічна конференція молодих учених та студентів „Актуальні задачі сучасних технологій“
Journal/Collection:	Матеріали ⅩⅣ Міжнародної науково-технічної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“
Issue Date:	11-十二月-2025
Date of entry:	19-二月-2026
Publisher:	ФОП Паляниця В.А. PE Palianytsia V.A.
Place of the edition/event:	Тернопіль Ternopil
Temporal Coverage:	11-12 грудня 2025 11-12 December 2025
UDC:	539.42 004.032.26
Number of pages:	2
Page range:	78-79
Start page:	78
End page:	79
URI:	http://elartu.tntu.edu.ua/handle/lib/51777
ISBN:	978-614-8751-08-1
Copyright owner:	© Тернопільський національний технічний університет імені Івана Пулюя, 2025
URL for reference material:	https://doi.org/10.3390/info15050259 https://doi.org/10.1007/s00419-022-02326-8
References (Ukraine):	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 (International):	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.
Content type:	Conference Abstract
�蝷箔����:	ⅩⅣ Міжнародна науково-технічна конференція молодих учених та студентів „Актуальні задачі сучасних технологій“ (2025)

�DSpace銝剜�������★��������雿��.