?
Метод масштабирования признаков для потоковой интеллектуальной образовательной системы
Научно-технический вестник Поволжья. 2025. № 2. С. 118–122.
Ермаков С. Р., Зыков С. В.
В данной научной работе авторами предлагается метод масштабирования признаков для потоковой интеллектуальной образовательной системы. Описано функционирование метода и приведена схема. Проведено экспериментальное исследование метода, результаты которого отражены в виде графика. Полученные выводы подтверждают эффективность предложенного метода по сравнению с рассмотренными аналогами.
Neal N. X., Weiqing L., Dacheng H. и др., Algorithms 2026 Vol. 19 No. 5 P. 1–22
Добавлено: 13 мая 2026 г.
Velichkov B., Nikolova-Koleva I., Slavcheva M., Shumen: INCOMA Ltd, 2025.
Добавлено: 12 мая 2026 г.
Степанянц В. Г., Долгов И. М., Хорошилов Г. С. и др., Труды Института системного программирования РАН 2026 Т. 38 № 3 С. 95–110
На рынок постепенно выходят высокоавтоматизированные и подключенные транспортные средства (ТС). В настоящее время предлагаются решения, позволяющие использовать эти технологии для совместного управления дорожным движением, что может значительно повысить его безопасность. В статье анализируются требования к интегрированной среде моделирования подключенных и высокоавтоматизированных ТС и совместной автоматизации управления дорожным движением с высокодетализированным учетом влияния окружающих объектов. Проанализированы ...
Добавлено: 12 мая 2026 г.
Тихонов Р. А., Efendiev M. T., Fedotenkov A. A., 2026 International Russian Smart Industry Conference (SmartIndustryCon) 2026 P. 542–547
Добавлено: 11 мая 2026 г.
Los Alamitos: IEEE Computer Society, 2026.
Добавлено: 10 мая 2026 г.
Авдошин С. М., Песоцкая Е. Ю., Информационные технологии 2026 Т. 32 № 4 С. 185–194
С развитием ИИ, и в особенности глубокого обучения, появились модели, способные давать крайне точные
прогнозы. Однако их внутренняя логика остается трудной для понимания — и это серьезная проблема, особенно в сферах, где от корректности алгоритма зависят критиче ски важные решения. Одним из перспективных
путей ее решения считается направление Explainable Artificial Intelligence (XAI) — разработка подходов, позволяющих прояснять ...
Добавлено: 8 мая 2026 г.
Авдошин С. М., Песоцкая Е. Ю., Business Informatics 2026 Vol. 20 No. 1 P. 7–28
Добавлено: 8 мая 2026 г.
Ismagilov T., Mukosey A., Смирнов Ф. А. и др., International Journal of High Performance Computing Applications 2026 Vol. 40 No. 2 P. 240–253
Добавлено: 7 мая 2026 г.
Ясницкий Л. Н., Голдобин М. А., Мезенцев А. С., Прикладная математика и вопросы управления 2025 № 2 С. 99–116
Представлен обзор современных методов и основанных на них программных
инструментах, применяемых для математического моделирования серийных производственных процессов с целью снижения брака и повышения качества производимых изделий. Перечисляются группы работ, нацеленных на обнаружение и классификацию дефектов, работ, в которых решаются задачи прогнозирования образования дефектов и определения значимости параметров, работ направленных на поиск
оптимального сочетания технологических параметров изготовления изделий, ...
Добавлено: 5 мая 2026 г.
Монахова Э. А., Монахов О. Г., Рзаев Э. Р. и др., Прикладная дискретная математика 2026 Т. 71 С. 112–127
В настоящей работе исследовано совместное конструирование топологий семейств оптимальных по диаметру циркулянтных сетей $C(N; \pm 1, \pm s_2)$ и реализуемых для них оптимальных алгоритмов маршрутизации сложности $O(1)$. Предлагаемый алгоритм маршрутизации основан на использовании масштабируемых параметров $L$-образных шаблонов плотной укладки графов на плоскости для семейств оптимальных сетей.
Определены аналитические формулы зависимости этих параметров от диаметра графов семейств ...
Добавлено: 4 мая 2026 г.
Добавлено: 4 мая 2026 г.
Мультимодальные фундаментальные модели и медицинские мультимодальные большие языковые модели формируют новый класс диагностических систем поддержки принятия решений, способных работать с разнородными источниками данных: медицинскими изображениями (рентген, КТ, МРТ, УЗИ, гистология), сигналами (ЭКГ, ЭЭГ), текстом (история болезни, протоколы, выписки), лабораторными показателями, данными молекулярного профилирования и др. В статье систематизированы архитектуры и стратегии обучения, обеспечивающие переносимость между ...
Добавлено: 4 мая 2026 г.
Honolulu: IEEE, 2025.
Добавлено: 3 мая 2026 г.
Добавлено: 3 мая 2026 г.
Добавлено: 3 мая 2026 г.
М.: ООО «Геомодель Развитие», 2024.
Интелшектуальный анализ данных в нефтегазовой отрасли, Калининград, Россия, 2024, ООО «Геомодель Развитие» ...
Добавлено: 29 апреля 2026 г.
Karpova Irina Petrovna, Pattern Recognition and Image Analysis 2025 Vol. 35 No. 4 P. 1138–1144
Добавлено: 29 апреля 2026 г.
Liliya А. Rodionova, Elena D. Kopnova, Kamalendinova S. и др., Population and Economics 2026 No. 10(2) P. 92–114
Добавлено: 7 апреля 2026 г.
Сизых Н. В., Кудрявцева Н. С., Управление большими системами: сборник трудов 2025 № 118 С. 250–285
Многочисленные исследования в области прогнозирования котировок ценных бумаг, в частности акций, направлены на поиск более точных и эффективных моделей. Однако внимание к многомерному прогнозированию, которое позволяет получить более точный прогноз, остается недооцененным, поскольку для его реализации требуется значительное увеличение вычислительных ресурсов. Поэтому актуальным является подбор более упрощенных, но эффективных моделей, с помощью которых можно получать ...
Добавлено: 3 февраля 2026 г.
Одним из основных инструментов анализа больших объемов финансовых данных является использование методов и моделей кластеризации, позволяющих выявлять различные закономерности. В данном исследовании рассматривается проблема кластеризации временных рядов, отражающих поведение цен, доходности, мод, трендов и ряда связанных с ними показателей акций. Актуальность и новизна исследования заключаются в предложении оригинальных алгоритмов кластеризации акций, которые представляют собой сочетание ...
Добавлено: 3 февраля 2026 г.
Ермаков С. Р., Зыков С. В., Информационно-измерительные и управляющие системы 2025 Т. 23 № 5 С. 41–54
В условиях развития интеллектуальных обучающих и образовательных систем в них возникает необходимость обработки потоковых данных с соблюдением строгих ограничений по качеству обслуживания, таких как потребление памяти, точность прогнозирования, время отклика в условиях динамичного изменения данных и других. Проблематика заключается в том, что традиционные методы обработки данных зачастую не позволяют обеспечить требуемое качество при ограниченных ресурсах.
Цель. Разработать ...
Добавлено: 30 декабря 2025 г.