УДК 004.891.3

Л.С. ФАЙНЗІЛЬБЕРГ
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України; Національний технічний університет України
«Київський політехнічний інститут імені Ігоря Сікорського», Київ, Україна,
 fainzilberg@gmail.com

ГЕНЕРАТИВНІ МОДЕЛІ В ЗАДАЧІ ОЦІНЮВАННЯ
ЕФЕКТИВНОСТІ КОМП’ЮТЕРНИХ АЛГОРИТМІВ

СПИСОК ЛІТЕРАТУРИ

1. Wahab S.A., Rose R.C., Osman S.I.W. Defining the concepts of technology and technology transfer: A literature analysis. International Business Research. 2012. Vol. 5, N 1. P. 61–71. http://doi.org/10.5539/ibr.v5n1p61.


2. Gritsenko V.I., Fainzilberg L.S. Current state and prospects for the development of digital medicine. Cybernetics and Computer Engineering. 2020. N 1 (199). P. 59–84. https://doi.org/10.15407/kvt199.01.059.


3. Cormer T.H., Leiserson C.E., Rivest R.L., Stein C. Introduction to algorithms. 4th ed. Cambridge: The MIT Press, 2022. 1312 p.


4. Mohammed F., Farghally M.F., Koh K.H., Shahin H., Shaffer C.A. Evaluating the effectiveness of algorithm analysis visualizations. Proc. of the 2017 ACM SIGCSE Technical Symposium on Computer Science Education. 2017. P. 201–206. https://doi.org/10.1145/3017680.3017698.


5. Webb G.I. Algorithm evaluation. In: Encyclopedia of Machine Learning. Sammut C., Webb G.I. (Eds.). Boston: Springer, 2011. P. 35–36. https://doi.org/10.1007/978-0-387-30164-8_18.


6. Wagner M.M., Wallstrom G. Methods for algorithm evaluation. In: Handbook of Biosurveillance. Ch. 20. Wagner M.M., Moore A.W., Aryel R.M. (Eds.). Academic Press, 2006. P. 301–310. https://doi.org/10.1016/B978-012369378-5/50022-3.


7. Lateh M.A., Muda A.K., Yusof Z.I.M., Noor Azilah Muda N.A., Sanusi Azmi M.S. Handling a small dataset problem in prediction model by employ artificial data generation approach: Areview. Journal of Physics: Conference Series. 2017. Vol. 892, N 1. 012016. https://doi.org/ 10.1088/1742-6596/892/1/012016.


8. Li D.C., Wen I.H., Chen W.C. A novel data transformation model for small data-set learning. International Journal of Production Research. 2016. Vol. 54, N 24. P. 1–11. https://doi.org/10.1080/00207543.2016.1192301.


9. Sakaguchi M. Optimal stopping problems for randomly arriving offers. Japanese Journal of Mathematics. 1976. N 21. P. 201–217.


10. Ferguson T.S. Who solved the secretary problem? Statistical SCIENCE. 1989. Vol. 4, N 3. P. 282–289. https://doi.org/10.1214/ss/1177012493.


11. Ben Abdelaziz F., Krichen S. An interactive method for the optimal selection problem with two decision makers. European Journal of Operation Researh. 2005. Vol. 162, Iss. 3. P. 602–609. https://doi.org/10.1016/j.ejor.2003.10.048.


12. Beckman M.J. Dynamic programming and the secretary problem. Computer & Mathematics with Applications. 1990. Vol. 19, N 11. P. 25–28.


13. Fainzilberg L., Yaremenko Y. Experimental investigation of properties of the modified method of optimal stopping. Актуальні питання сьогодення: Матеріали Міжнародної науково-практичної конференції 20 березня 2018 р., у м. Вінниця: зб. наук. праць «LOGOS». Обухів: Друкарня «Друкарик», 2018. Т. 9. С. 8–10.


14. Файнзільберг Л., Яременко Ю. Комп’ютерне моделювання модифікованого методу оптимальної зупинки. Proc. of the International Scientific Conference «Information Technologies and Computer Modeling» (May 14–19, 2018, Ivano-Frankivsk). Івано-Франківськ: Прикарпатський національний університет імені Василя Стефаника, 2018. С. 270–273.


15. Rubinstein R.Y., Kroese D.P. Simulation and the Monte Carlo method. New York: John Wiley & Sons, 2016. 432 p.


16. Robert C.P., Casella G. Monte Carlo statistical methods. New York: Springer, 2004. 397 p. http://dx.doi.org/10.1007/978-1-4757-4145-2.


17. Fainzilberg L.S., Matushevych N.A. Comparative evaluation of convergence’s speed of learning algorithms for linear classifiers by statistical experiments method. Cybernetics and Computer Engineering. 2018. N 2 (192). P. 6–22. https://doi.org/10.15407/kvt192.02.


18. Schlesinger M, Hlavac V. Ten lectures on statistical and structural pattern recognition. Dodrecht; Boston; London: Kluwer Academic Publishers, 2002. 519 p.


19. Berkaya S.K., Uysal A.K., Gunal E.S., Ergin S., Gulmezoglu M.B. A survey on ECG аnalysis. Biomedical Signal Processing and Control 2018. Vol. 43. P. 216–235. https://doi.org/10.1016/j.bspc.2018.03.003.


20. Fainzilberg L.S. New approaches to the analysis and interpretation of the shape of cyclic signals. Cybernetics and Systems Analysis. 2020. Vol. 56, N 4. P. 665–674. https://doi.org/10.1007/s10559-020-00283-0.


21. Meats E., Heneghan C., Crilly M., Glasziou P. Evidence-based medicine teaching in UK medical schools. Medical Teacher. 2009. Vol. 31. P. 332–337. https://doi.org/10.1080/01421590802572791.


22. Zhukovska O.A., Fainzilberg L.S. Evaluating the usefulness of binary classifier based on enhanced ROC аnalysis. Cybernetics and Systems Analysis. 2023. Vol. 59, N 3. P. 439–448. https://doi.org/10.1007/s10559-023-00578-у .


23. Fainzilberg L.S., Bekler T.Yu., Glushauskene G.A. Mathematical model for generation of artificial electrocardiogram with given amplitude-time characteristics of informative fragments. Journal of Automation and Information Sciences. 2011. Vol. 43, Iss. 9. P. 20–33. https://doi.org/10.1615/JAutomatInfScien.v43.i9.20.