Browse
Recent Submissions
Now showing 1 - 3 of 3
Item Механізм управління фінансовим потенціалом підприємства(Державний вищий навчальний заклад «Ужгородський національний університет», 2026) Гетьманенко, Юлія ОлександрівнаОдним із факторів ефективної фінансової діяльності будь-якого підприємства є грамотне управління його фінансовим потенціалом. Це комплексний процес, який включає в себе не тільки раціональне використання наявних ресурсів, але й оптимізацію структури капіталу, а також всебічний аналіз та прогнозування фінансових показників. Матеріали доповіді учасника Міжнародної науково-практичної конференції «Економічна стійкість країни і регіонів: роль реформ, інвестицій та міжнародної кооперації» (19–20 грудня 2025 року, м. Ужгород).Item Impact-інвестування як інструмент відновлення регіональних економік після кризових шоків(Національний університет "Києво-Могилянська академія", 2026) Борисова, Світлана Євгенівна; Крук, Олена Миколаївна; Гетьманенко, Юлія ОлександрівнаРуйнування інфраструктури, міграційні хвилі, розрив ланцюгів постачання, енергетична нестабільність та інші кризові шоки формують довгострокові деформації регіональних економік, які не можна подолати виключно за рахунок бюджетних ресурсів або класичних кредитних механізмів. У таких умовах кризових трансформацій набуває значення impact-інвестування як механізм поєднання інвестиційної дохідності та соціально-економічного впливу. Матеріали доповіді учасників IV Міжнародної науково-практичної конференції "Менеджмент та маркетинг як фактори розвитку бізнесу", що відбулася 15-17 квітня 2026 року.Item Application of Statistical Pattern Recognition in a Generating-Element Space for Human Activity Classification Using Smartphone Sensors(Springer Nature B.V., 2026) Заболотній, Сергій Васильович; Zabolotnii, Serhii; Хотунов, Владислав Ігорович; Khotunov, Vladyslav; Чепинога, Анатолій Володимирович; Chepynoha, Anatolii; Klopotovskyi, Pavlo; Клопотовський, Павло АнатолійовичHuman Activity Recognition (HAR) using smartphone sensors has become a key component in health monitoring, context-aware computing, and smart environments. Traditional machine learning approaches often assume a Gaussian distribution of sensor data, which may not hold true in real-world scenarios. This paper presents a novel application of the mathematical framework of decomposition in a space with a generating element to address problems in statistical pattern recognition. This approach, based on Kunchenko’s theory of stochastic polynomials, enables the effective processing of non-Gaussian data by constructing optimal polynomial features based on the minimization of the mean square error of the decomposition. We apply this method to the UCI HAR dataset, which contains accelerometer and gyroscope data from 30 individuals performing six daily activities. Our approach generates polynomial features of various orders that capture higher-order statistical dependencies in the sensor signals. Experimental results demonstrate that augmenting traditional time-domain and frequency-domain features with these polynomial features improves classification accuracy when using a SVM classifier. The method is particularly effective in distinguishing between static activities (such as sitting and standing), which are traditionally challenging to classify. The proposed approach offers a theoretically grounded feature engineering technique that enhances HAR performance while maintaining computational efficiency suitable for real-time applications.