ЕВОЛЮЦІЯ МЕТОДІВ AI ДЛЯ МІНІМІЗАЦІЇ РИЗИКІВ НЕВИЗНАЧЕНОСТІ В IOT: ВІД КЛАСИЧНИХ АЛГОРИТМІВ ДО ГЛИБОКОГО НАВЧАННЯ

Автор(и)

DOI:

https://doi.org/10.31891/2219-9365-2025-84-52

Ключові слова:

Інтернет речей (IoT), штучний інтелект (AI), інформаційна невизначеність, машинне навчання, глибоке навчання, згорткові нейронні мережі (CNN), рекурентні нейронні мережі (RNN), генеративні змагальні мережі (GAN), кібербезпека, прогнозне обслуговування

Анотація

Дана стаття є оглядовою роботою, що аналізує історичний розвиток штучного інтелекту (AI) для подолання інформаційної невизначеності в системах Інтернету речей (IoT). Розглянуто етапи від класичних методів (байєсівські мережі, нечітка логіка) до машинного навчання (SVM, decision trees) та сучасних підходів глибокого навчання (CNN, RNN, GAN), з акцентом на їх застосування для забезпечення безпеки, повноти даних та обробки шуму в IoT-сценаріях, таких як смарт-міста та промисловість 4.0. Обговорюються виклики та майбутні тенденції за напрямком теми статті та розписано відповідні висновки.

##submission.downloads##

Опубліковано

11.12.2025

Як цитувати

ШВИДЧЕНКО, О., & ЗАГОРОДНІЙ, Д. (2025). ЕВОЛЮЦІЯ МЕТОДІВ AI ДЛЯ МІНІМІЗАЦІЇ РИЗИКІВ НЕВИЗНАЧЕНОСТІ В IOT: ВІД КЛАСИЧНИХ АЛГОРИТМІВ ДО ГЛИБОКОГО НАВЧАННЯ. MEASURING AND COMPUTING DEVICES IN TECHNOLOGICAL PROCESSES, 84(4), 432–439. https://doi.org/10.31891/2219-9365-2025-84-52

Номер

№ 4 (2025): ВИМІРЮВАЛЬНА ТА ОБЧИСЛЮВАЛЬНА ТЕХНІКА В ТЕХНОЛОГІЧНИХ ПРОЦЕСАХ

Розділ

Статті

Ліцензія

Авторське право (c) 2025 Олександр ШВИДЧЕНКО, Дмитро ЗАГОРОДНІЙ

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.