Моделі машинного навчання для прогнозування дій супротивника в умовах неповної та невизначеної інформації: кваліфікаційна робота на здобуття освітнього ступеня «бакалавр» за спеціальністю 126 «Інформаційні системи та технології»

Abstract

Кваліфікаційна робота присвячена розробці системи прогнозування дій супротивника на основі моделей машинного навчання в умовах неповної та невизначеної інформації. У роботі проведено аналіз сучасних методів прогнозування поведінки складних систем, досліджено особливості застосування моделей машинного навчання та виконано аналіз методів роботи з неповними даними. У межах роботи розроблено програмний модуль прогнозування, який реалізує автоматичну генерацію синтетичного набору даних, механізми моделювання невизначеності, попередню обробку інформації, навчання моделей машинного навчання та оцінювання результатів. Для реалізації системи використано мову програмування Python та бібліотеки pandas, NumPy, scikit-learn, matplotlib, PyQt5. Проведено експериментальне дослідження роботи системи, виконано порівняння моделей машинного навчання та визначено найбільш ефективний алгоритм прогнозування. Результати дослідження показали ефективність використання моделей машинного навчання для прогнозування дій супротивника навіть за наявності неповної інформації. The qualification work is devoted to the development of a system for predicting enemy actions using machine learning models under conditions of incomplete and uncertain information. The paper analyzes modern approaches to behavior prediction in complex systems and investigates the application of machine learning methods for classification tasks. Methods for handling incomplete and uncertain data were also considered. Within the practical part of the work, a software module was developed that implements automatic generation of a synthetic dataset, uncertainty simulation mechanisms, data preprocessing, model training and evaluation of prediction results. The system was implemented using Python programming language and the following libraries: pandas, NumPy, scikit-learn, matplotlib and PyQt5. Experimental studies were conducted to compare machine learning models and determine the most effective prediction algorithm. The obtained results demonstrated the effectiveness of machine learning models for predicting enemy actions even under incomplete information conditions.