Proceedings of the International scientific and practical conference ―Oxford 2026: Science and Education Today‖ (March 9-11, 2026) / Publisher website: www.naukainfo.com. - Oxford, United Kingdom, 2026. - 239 p.

52 https://mpechen.win.tue.nl/publications/ pubs/Gama_ACMCS_AdaptationCD_accepted.pdf (дата звернення: 24.02.2026). 2. Lu J. Learning under Concept Drift: A Review [Електронний ресурс] / J. Lu, A. Liu, F. Dong, F. Gu, J. Gama, G. Zhang. – 2020. – 18 p. – Режим доступу: URL: https://arxiv.org/pdf/2004.05785 (дата звернення: 24.02.2026). 3. Webb G. I. Characterizing Concept Drift [Електронний ресурс] / G. I. Webb, R. Hyde, H. Cao, H. L. Nguyen, F. Petitjean. – 2015. – 29 p. – Режим доступу: URL: https://www.researchgate.net/profile/Geoffrey- Webb/publication/283761478_Characteri zing_Concept_Drift/links/564a417e08ae295f644fc32f/Characterizing-Concept- Drift.pdf (дата звернення: 24.02.2026). 4. Abdulsalam H. Classifying Evolving Data Streams Using Dynamic Streaming Random Forests [Електронний ресурс] / H. Abdulsalam, D. B. Skillicorn, P. Martin // Database and Expert Systems Applications (DEXA). – 2008. – 8 p. – Режим доступу: URL: https://research.cs.queensu.ca/home/cords2/dexa08.pdf (дата звернення: 24.02.2026). 5. Kolter J. Z. Dynamic Weighted Majority: A New Ensemble Method for Tracking Concept Drift [Електронний ресурс] / J. Z. Kolter, M. A. Maloof // Proceedings of the Third IEEE International Conference on Data Mining. – 2003. – P. 123–130. – Режим доступу: URL: https://zicokolter.com/publications/kolter2003dynamic.pdf (дата звернення: 24.02.2026).