• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Статьи
  • Моделирование урожайности зерновых культур сельскохозяйственных регионов с использованием технологий компьютерного зрения
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
18 ноября 2026 г.
Три четверти различий в функциональной грамотности обусловлены генами
Исследователи НИУ ВШЭ впервые оценили на российских данных, насколько функциональная грамотность зависит от наследственности. Анализ результатов 114 пар близнецов из общероссийской выборки восьмиклассников показал: генетические различия объясняют 76% разброса в общем уровне функциональной грамотности. Результаты опубликованы в журнале Behavior Genetics.
18 ноября 2026 г.
«Наука дает мне возможность видеть красоту»
Мария Губина учится в магистратуре факультета математики НИУ ВШЭ и занимается теорией узлов. В интервью проекту «Молодые ученые Вышки» она рассказала о «числе Эрдёша», математических закономерностях вокруг нас и о том, почему ученым стоит научиться печь тортики.
17 ноября 2026 г.
Ученые НИУ ВШЭ разработали метод для обнаружения неисправностей систем охлаждения ЦОД
Исследователи НИУ ВШЭ и Уральского федерального университета разработали метод на основе искусственного интеллекта, который выявляет постепенные утечки хладагента и загрязнение теплообменников в системах охлаждения центров обработки данных. Новая модель учитывает физические связи между элементами холодильного контура, что позволяет выявлять неисправности на ранних стадиях. Результаты опубликованы в журнале IEEE Transactions on Industry Applications.

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

Моделирование урожайности зерновых культур сельскохозяйственных регионов с использованием технологий компьютерного зрения

Экономика региона. 2022. Т. 18. № 2. С. 581–594.
Архипова М. Ю.

В статье рассматриваются новые направления моделирования урожайности зерновых культур в сельскохозяйственных регионах России на основе использования дистанционных возможностей получения информации о состоянии полей. Предлагаемый подход позволяет найти новые решения в разработке системы показателей, обосновании методологических платформ и моделей для получения более точных прогнозных оценок по сравнению с традиционными регрессионными моделями за счет использования системы компьютерного зрения в качестве дополнительного источника информации. Статистическая значимость спутниковых фотоснимков полей для повышения точности моделей прогнозирования урожайности сельскохозяйственных культур подтверждается проверкой соответствующей статистической гипотезы. Значительный интерес в исследовании представляет сравнение классических эконометрических инструментов с различными нейросетевыми моделями с точки зрения нахождения оптимальной модели, позволяющей повысить точность прогнозных оценок. Апробация предлагаемого инструментария проводилась на данных по 100 сельскохозяйственным полям, расположенным в муниципальных образованиях 43 регионов России, которые были выбраны пропорционально объему продукции растениеводства данного региона. Проведенное исследование показало преимущество нейросетевой модели по смешанным данным по сравнению с другими нейросетевыми моделями (многослойный персептрон и свёрточная нейронная сеть), а также с традиционными регрессионными моделями. Нейросетевая модель по смешанным данным в условиях неопределенности и большого количества данных различной природы позволила получить более точные прогнозные оценки по сравнению с другими классами моделей. Также было показано, что несмотря на то, что экологические факторы оказывают разное влияние на урожайность сельскохозяйственных культур, их необходимо учитывать наряду с социально-экономическими характеристиками. Использование новых моделей и типов данных, отличных от классической табличной информации, может давать существенное преимущество в точности прогнозирования и объяснении решающих факторов. Результаты проведенного анализа могут использоваться в исследованиях и мониторинге развития сельскохозяйственного производства региональных муниципальных образований, определения потребностей в ресурсах, необходимых для успешного ведения хозяйства, а также при разработке отраслевых и комплексных проектов и программ развития агрокомплекса.

Научное направление: Экономика и менеджмент Сельскохозяйственные науки Компьютерные науки
Язык: русский
Полный текст
DOI
Текст на другом сайте
Ключевые слова: эконометрическое моделированиенейронные сетикомпьютерное зрениеэконометрические моделиneural networkseconometric modelscomputer visioneconometric modellingagricultural statistical analysissatellite photosyield forecastingпрогнозирование урожайностисельскохозяйственный статистический анализкосмические фотоснимки
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Создание статистических инструментов для количественной оценки благосостояния и влияния на уровень жизни материальных и нематериальных факторов, социального расслоения и бедности (2022)
Похожие публикации
When does crypto join global risk?
Булатов А. Э., Фролов М. К., Finance Research Letters 2026 No. 112 Article 110764
Добавлено: 20 ноября 2026 г.
Статистический анализ развития металлургической промышленности России: экологический аспект
Мхитарян В. С., Карелина М. Г., Исламов Р. А., Вопросы статистики 2026 Т. 33 № 5 С. 5–17
В статье представлены результаты статистического анализа экологически ориентированного развития металлургического сектора российской экономики в условиях геополитической трансформации и ужесточения экологического регулирования. На основе официальных данных Росстата, консолидированной отчетности металлургических компаний и отраслевых ассоциаций рассматривается динамика экономических и экологических показателей металлургической промышленности России за 2019–2024 гг.  Анализируются выпуск и структура производства по федеральным округам, финансовые результаты ...
Добавлено: 20 ноября 2026 г.
Сравнительный анализ моделей прогнозирования региональной инфляции
Габов М. А., Букина Т. В., Кашин Д. В., Журнал Новой экономической ассоциации 2025 № 4 (69) С. 89–119
Исследование посвящено сравнению подходов к прогнозированию уровня индекса потребительских цен (ИПЦ г/г) в регионах Приволжского федерального округа с использованием эконометрических моделей временных рядов и методов машинного обучения. В статье предпринята попытка выбрать наиболее подходящие и эффективные модели для прогнозирования регионального индекса общего уровня цен. Исследование включает использование комбинированного подхода, который основан на сочетании как эконометрических ...
Добавлено: 20 ноября 2026 г.
Однородность потребительской корзины и динамики инфляции в разрезе регионов
Ощепков И. А., Ишмурзина В. В., Габов М. А., Вестник Пермского университета. Серия: Экономика 2024 Т. 19 № 2 С. 186–205
Введение. Одним из факторов, который может влиять на эффективность денежно-кредитной политики центральных банков, направленной на таргетирование инфляции, является региональная разнородность. Цель. Оценка влияния структуры потребительской корзины субъектов Российской Федерации на региональные инфляционные процессы методом кластеризации на основе региональных индексов потребительских цен и весов товаров и услуг потребительской корзины. Материалы и методы. Кластеризация методом k-средних. Результаты. ...
Добавлено: 20 ноября 2026 г.
Conditional volatility and correlations between Sukuks, stocks, and gold in the GCC region
Hammad W., Munir Q., Teplova T. и др., International Journal of Economics and Business Research 2024 Vol. 28 No. 3/4 P. 398–416
Добавлено: 20 ноября 2026 г.
DOA Estimation in Antenna Arrays: Super-Resolution Methods in a Common Space
Кузин С. С., / Series arXiv "stat.ME". 2026. No. 2607.05048.
Добавлено: 20 ноября 2026 г.
Agreement among large language models does not track medical truth in health claim verification
Артёменко Е. Д., Кольцова Е. Ю., Nikolenko S. и др., Scientific Reports 2026
Добавлено: 20 ноября 2026 г.
FLowRA: Flow-Guided Rank Allocation for Parameter-Efficient Fine-Tuning of Deep Neural Networks
Aleksei Samarin, Назаренко А. А., Kotenko E. и др., Machine Learning and Knowledge Extraction 2026 Vol. 8 No. 11 Article 389
Добавлено: 19 ноября 2026 г.
Machine Learning for Astrophysics 2024
Springer, 2026.
Добавлено: 19 ноября 2026 г.
Approximation of Multivariate Time Series in Astronomy Using Vector Gaussian Processes
Semenikhin T. A., Корнилов М. В., Pruzhinskaya M. V., Moscow University Physics Bulletin 2025 Vol. 80 No. S1 P. S204–S207
Добавлено: 19 ноября 2026 г.
Anomaly detection in Fink: I. Discovery, follow-up, and classification of unusual sources
Pruzhinskaya M. V., Корнилов М. В., Dodin A. V. и др., Astronomy and Astrophysics 2026 Vol. 715 P. 1–18
Добавлено: 19 ноября 2026 г.
Supernova scores for active anomaly detection
Semenikhin T. A., Kornilov M.V., Pruzhinskaya M. V. и др., Astronomy and Computing 2026 Vol. 56 Article 101126
Добавлено: 19 ноября 2026 г.
Влияние нейронных сетей на современную фотографию: от инструмента до нейроавтоматона
Фадеева Т. Е., Першеева А. Д., В кн.: Первый Российско-Китайский форум. Теория и практика художественного образования: вызовы современности, традиции и национальные школы XXI века : Коллективная монография по материалам международной научной конференции.: М.: Российский государственный художественно-промышленный университет им. С.Г. Строганова, 2024.
В данном исследовании рассматривается влияние нейронных сетей на современную фотографию в технологическом и эстетическом аспектах. Диапазон применения технологий машинного обучения в современной фотографии широк: от использования креативных инструментов в обработке фотографий (нейросеть может убрать «цветовой шум», повысить детализацию, изменить размер изображений и т.д.) до искусственной генерации кадра целиком, которая происходит в достаточной степени автономно, продолжая ...
Добавлено: 14 ноября 2026 г.
PACTraD: Multi-Task Benchmark and Domain-Specific Attention Mechanism for Wildlife Classification, Detection, and Segmentation in Protected Area Camera Trap Data
Aleksei Samarin, Назаренко А. А., Nazarenko D. и др., Big Data and Cognitive Computing 2026 Vol. 10 No. 11 P. 1–52
Добавлено: 27 октября 2026 г.
A Neural Network Approach for Generating Libration Point Orbits
Lev Pyatko, Sergey Aksenov, Regular and Chaotic Dynamics 2026 Vol. 31 No. 5 P. 794–813
In the circular restricted three-body problem, families of periodic and quasi-periodic orbits exist in the vicinity of the libration points and are of significant interest for practical applications. This work presents a neural network-based algorithm for orbit construction and station-keeping, applicable to both periodic and quasi-periodic orbits near collinear libration points. The method employs a ...
Добавлено: 19 октября 2026 г.
Automated Ranking of Soybean Plots from Close-Range RGB Video via Depth Filtering and Point-Based Counting
Teterin N., Сластников С. А., Rybakov Petr и др., Sensors 2026 Vol. 26 No. 19 Article 6171
Добавлено: 7 октября 2026 г.
Вышелейские эпифании: концептуальная пересборка случайной этнографии
Абрамов Р. Н., Рождественская Е. Ю., Журнал социологии и социальной антропологии 2026 Т. 29 № 3 С. 244–274
Статья представляет экспериментальное исследование на стыке социальной антропологии и качественной социологии. Авторы ставят перед собой основную цель — развить и концептуально пересобрать подходы «случайной этнографии» и «этнографии второго порядка», рассматривая краткие биографические тексты как источник по социальной истории женского труда в XX веке и как локальный перформанс памяти. Методология сочетает ретроспективное осмысление непреднамеренного полевого опыта, ...
Добавлено: 7 октября 2026 г.
Optimization of List-Based Reed-Solomon Decoding via Deep Learning
Портной С. Л., Ефремов А. М., Voloshin A., , in: 2026 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO).: Petrozavodsk: IEEE, 2026. P. 1–4.
Добавлено: 1 октября 2026 г.
A Model Based on Universal Filters for Image Color Correction
Aleksei Samarin, Назаренко А. А., Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 844–854
Добавлено: 21 сентября 2026 г.
Filter-Based Preprocessing Neural Network Model for Microorganism Detection Improvement
Aleksei Samarin, Aleksei Toropov, Alexander Savelev и др., , in: Pattern Recognition. ICPR 2024 International Workshops and Challenges. Kolkata, India, December 1, 2024, Proceedings, Part III. LNCS, volume 15616.: Cham: Springer, 2025. P. 308–320.
Добавлено: 21 сентября 2026 г.
Advances in Neural Computation, Machine Learning, and Cognitive Research IX. Selected Papers from the XXVII International Conference on Neuroinformatics, October 20-24, 2025, Moscow, Russia. SCI, volume 1241
Cham: Springer, 2026.
Добавлено: 19 сентября 2026 г.
AutoML Applications for Bacilli Recognition by Taxonomic Characteristics Determination over Microscopic Images
Aleksei Samarin, Aleksei Toropov, Dzestelova A. и др., , in: Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024Vol. 36.: FRUCT Oy, 2024. P. 903–911.
Добавлено: 19 сентября 2026 г.
Proceedings of the 36th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 30 October - 1 November 2024
FRUCT Oy, 2024.
Добавлено: 19 сентября 2026 г.
Specialized Image Descriptors Adaptation for Generated Images Recognition
Aleksei Samarin, Aleksei Toropov, Kotenko E. и др., , in: Proceedings of the 37th Conference of Open Innovations Association FRUCT, Helsinki, Finland, 14-16 May 2025, Issue 1 (Full Papers)Vol. 37.: Helsinki: FRUCT Oy, 2025. P. 278–284.
Добавлено: 19 сентября 2026 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика обработки персональных данных
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору