<p class="section-text"><b>Цель работы:</b> состоит в анализе и выборе наиболее подходящих алгоритмов машинного обучения для решения задач прогнозирования технического состояния средств радиосвязи.</p><p class="section-text"><b>Метод исследования:</b> алгоритмы линейной и логистической регрессии, деревья решений, случайные леса, градиентный бустинг, метод опорных векторов, K-ближайших соседей и искусственные нейронные сети.</p><p class="section-text"><b>Результаты исследования:</b> В статье представлен анализ существующих зарубежных и отечественной национальных стратегий развития искусственного интеллекта, основные определения, направления и применяемые технологии. Более подробно рассмотрено одно из направлений искусственного интеллекта — машинное обучение, применяемое для решения различных задач прогнозирования, в том числе прогнозирования технического состояния средств радиосвязи искусственные нейронные сети, являющиеся одним из самых популярных методов машинного обучения, которое, в свою очередь, является одним из направлений искусственного интеллекта, наиболее предпочтительны для решения задач прогнозирования технического состояния средств радиосвязи. Также в статье подробно представлено пошаговое описание работы алгоритмов, их достоинства и недостатки.</p><p class="section-text"><b>Практическая ценность:</b> новые возможности, связанные с использованием искусственного интеллекта, открывают новые горизонты для развития современных технологий, в том числе на основе применения искусственных нейронных сетей. Прогнозирование технического состояния средств радиосвязи является ключевым элементом управления и эксплуатации радиосистем и позволяет создавать надежные системы связи, способные эффективно функционировать в любых условиях, минимизировать время простоя и оптимизировать процессы обслуживания.</p>
<p class="section-text"><b>The purpose of the work</b> is to analyze and select the most suitable machine learning algorithms for solving the problems of predicting the technical condition of radio communication facilities.</p><p class="section-text"><b>Research method:</b> linear and logistic regression algorithms, decision trees, random forests, gradient boosting, support vector method, K-nearest neighbors, and artificial neural networks.</p><p class="section-text"><b>Research results:</b> The article presents an analysis of existing foreign and domestic national strategies for the development of artificial intelligence, the main definitions, directions and technologies used. One of the areas of artificial intelligence is considered in more detail — machine learning, which is used to solve various forecasting problems, including predicting the technical condition of radio communication facilities Artificial neural networks, which are one of the most popular methods of machine learning, which, in turn, is one of the areas of artificial intelligence, the most preferable for solving the problems of predicting the technical condition of radio communication facilities. The article also provides a detailed step-by-step description of the algorithms, their advantages and disadvantages.</p><p class="section-text"><b>Practical value:</b> new opportunities associated with the use of artificial intelligence open up new horizons for the development of modern technologies, including those based on the use of artificial neural networks. Predicting the technical condition of radio communication equipment is a key element in the management and operation of radio systems and allows you to create reliable communication systems that can function effectively in any conditions, minimize downtime and optimize maintenance processes.</p>