?
Метод автоматической генерации признакового пространства в задаче прогнозирования потребления электроэнергии
Информационные технологии. 2021. Т. 27. № 10. С. 550–560.
Данилов К. В., Мальцева С. В.
Рассмотрен метод автоматической генерации признакового пространства. Изложен алгоритм работы метода и схема построения модели прогноза. Предлагаемый подход был апробирован на данных о потреблении электроэнергии в регионах России. Результаты проведенных вычислительных экспериментов с применением изложенного метода демонстрируют повышение эффективности разработанной модели и улучшение точности прогнозирования.
Strube M., Braud C., Hardmeier C. и др., Suzhou: Association for Computational Linguistics, 2025.
Добавлено: 11 июня 2026 г.
Добавлено: 10 июня 2026 г.
Дистиллированные кисломолочные напитки встречаются в пищевой промышленности редко, несмотря на повсеместное распространение растительных спиртных напитков. В настоящее время производство крепких дистиллированных алкогольных напитков из кисломолочных продуктов с использованием традиционных технологий известно лишь среди монголоязычных народов и их сибирских соседей. Данное исследование представляет собой первый междисциплинарный анализ дарасуна, традиционного бурятского спиртного напитка, изготавливаемого из кисломолочного напитка ...
Добавлено: 10 июня 2026 г.
Butorova A., Bobakov V., Sergeev A. и др., European Physical Journal: Special Topics 2026 P. 1–19
Добавлено: 10 июня 2026 г.
Seul: PMLR, 2026.
Добавлено: 4 июня 2026 г.
Силаков Д. В., Системный администратор 2026 № 3 С. 28–33
В статье про платформы для разработки открытого ПО в Китае мы рассказали про GitCode – молодой проект, позиционируемый как площадка для разработчиков со всего мира. Сейчас на GitCode размещаются проекты, созданные в КНР, но некоторые из них уже известны и на международной арене. Помочь открытым проектам в становлении, развитии и расширению аудитории призван фонд OpenAtom ...
Добавлено: 2 июня 2026 г.
Slivnitsin P., Мыльников Л. А., Engineering Applications of Artificial Intelligence 2026 Vol. 179 Article 115185
Добавлено: 29 мая 2026 г.
Мокиенко О. А., Zisman M. A., Бобров П. Д. и др., American Journal of Physical Medicine and Rehabilitation 2026 Vol. 105 No. 6 P. 555–563
Добавлено: 28 мая 2026 г.
Добавлено: 28 мая 2026 г.
Добавлено: 28 мая 2026 г.
М.: Институт проблем управления им. В.А. Трапезникова РАН, 2024.
В сборник вошли материалы VIII Международной научной конференции «Информационные технологии и технические средства управления» (ICCT-2024). На конференции были рассмотрены вопросы, касающиеся перспектив развития научного приборостроения в телекоммуникационных и управляющих системах, биомедицинской информатики, аппаратного и программного обеспечения информационнокоммуникационных систем, надежности, диагностики и неразрушающего контроля, систем управления и автоматизации, цифровых экосистем, управления производством и логистикой, методов математического ...
Добавлено: 27 мая 2026 г.
Добавлено: 26 мая 2026 г.
В статье рассмотрена задача обучения распознаванию эмоций по фотографиям. Был осуществлен обзор и анализ отечественных и зарубежных работ ученых, занимающихся проблемой эмоционального интеллекта. Рассмотрены его формирование, влияние на деятельность человека и существующие варианты его структуры, а также выделены общие черты в понимании эмоционального интеллекта. Эмоциональный интеллект понимается как система умственных способностей, позволяющая идентифицировать, управлять своими ...
Добавлено: 9 апреля 2026 г.
Дудников Д. О., Коннов Э. А., Огурцов Н. А., Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика 2025 Т. 2025 № 2 С. 69–75
Представлены современные подходы к автоматизации анализа микроструктуры металлических материалов, направленные на повышение точности и эффективности исследований. Описана разработка программного обеспечения для идентификации и классификации зерен в металлах, что является ключевым аспектом в изучении их структуры и прогнозировании механических свойств. Программа включает модули для частично автоматизированной обработки изображений, анализа характеристик зерен, визуализации результатов и интеграции с ...
Добавлено: 15 мая 2025 г.
Evgeniia I. Alshanskaia, Portnova G., Liaukovich K. и др., Frontiers in Neuroscience 2024 Vol. 18 Article 1445697
Добавлено: 2 сентября 2024 г.
Дьяконов А. Г., Васильев Р. Л., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2023 Т. 514 № 2 С. 60–71
Представлен обзор методов обучения метрик с помощью глубоких нейронных сетей. Эти методы появились в последние годы, но сравнивались лишь с предшественниками, используя для обучения представлений (на которых вычисляется метрика) нейронные сети устаревших на данный момент архитектур. Проведено сравнение описанных методов на разных датасетах из нескольких доменов, используя предобученные нейронные сети, сопоставимые по качеству с SotA ...
Добавлено: 18 марта 2024 г.
White M., Тараканов А. А., Withers P. и др., Computational Materials Science 2023 Vol. 218 Article 111985
Добавлено: 10 апреля 2023 г.
Морейдо В. М., Gartsman B., Solomatine D. P. и др., Water (Switzerland) 2021 Vol. 13 No. 12 Article 1696
Добавлено: 31 января 2023 г.
Добавлено: 15 июня 2022 г.
Данилов К. В., Автоматизация. Современные технологии 2020 Т. 74 № август 2020 С. 402–407
Рассмотрена задача прогнозирования энергопотребления на основе автоматического машинного
обучения. Приведена схема процесса автоматического создания и применения модели прогнозирова
ния. Предлагаемый подход апробирован на основе данных о потреблении электроэнергии в регионах
России. Проведённый вычислительный эксперимент показал высокую эффективность разработан
ной модели. Точность прогнозирования составила 97...99 %. ...
Добавлено: 13 июня 2022 г.
Данилов К. В., Мальцева С. В., , in: 2021 IEEE 23rd Conference on Business Informatics.: IEEE, 2021.
Добавлено: 13 июня 2022 г.
Sakhnyuk P. A., Sakhnyuk T. I., , in: 1st International Conference on Innovative Informational and Engineering Technologies (IIET-2020) 28-29 May 2020, Stavropol, Russian FederationVol. 873.: Bristol: IOP Publishing, 2020. P. 012016-1–012016-8.
Искусственный интеллект и машинное обучение помогают улучшить качество обслуживания клиентов и изменить методы деятельности компаний. По этой причине предприятиям следует рассмотреть возможность интеграции этих технологий в планы цифровой трансформации, чтобы оставаться конкурентоспособными. Платформы машинного обучения с низким кодом позволяют компаниям и бизнес-профессионалам с минимальным опытом программирования создавать приложения и заполнять пробелы в персонале в своей ...
Добавлено: 26 января 2021 г.