• 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
  • Об управлении химическим составом сырьевого материала и режимом плавки для обеспечения требуемых механических свойств стальных изделий серийного производства
  • 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
13 ноября 2026 г.
НИУ ВШЭ и ИФТТ РАН заключили соглашение о создании совместной лаборатории
Церемония подписания соглашения о создании Лаборатории экспериментальных исследований и применений новых функциональных материалов состоялась 11 ноября в здании НИУ ВШЭ на Старой Басманной улице, где расположен факультет физики. Подписи под документом поставили ректор НИУ ВШЭ Никита Анисимов и врио директора Института физики твердого тела им. Ю.А. Осипьяна (ИФТТ) РАН Ирина Ибрагимова.
12 ноября 2026 г.
«Формулирование теорий - последний навык, в котором мы превосходим машины»
Луи Вервурт, доцент МИЭМ ВШЭ, специалист в области философии науки и искусственного интеллекта, рассказал «Вышке.Главное» о том, что общего у физики и философии, почему квантовая механика не согласуется с теорией относительности, как быть исследователем в эпоху ИИ и почему способность создавать новые теории может стать главным преимуществом человека перед машиной.
10 ноября 2026 г.
Ученые ФКН ВШЭ представили исследования в области тензорных методов на международной конференции в Китае
Исследователи Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ приняли участие в Международной конференции-школе по тензорным методам в математике и вычислениях для искусственного интеллекта (3rd Conference-School on Tensor Methods in Mathematics and Artificial Intelligence Computing). Мероприятие прошло в конце октября в Шэньчжэне (Китай). Одна из работ ученых института получила награду Best Poster Award и вошла в число пяти лучших постеров конференции.

 

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

?

Об управлении химическим составом сырьевого материала и режимом плавки для обеспечения требуемых механических свойств стальных изделий серийного производства

Прикладная математика и вопросы управления. 2023. № 3. С. 109–126.
Ясницкий Л. Н., Мезенцев А. С.

Целью работы является создание математической модели, пригодной для опера-
тивного управления прочностными характеристиками получаемого стального изделия
в условиях серийного сталеплавильного производства. Существующие подходы, ос-
нованные на результатах испытаний опытных образцов, получаемых в лабораторных
условиях, для этой цели не подходят, поскольку в условиях серийного сталеплавиль-
ного производства на прочностные характеристики изделий, помимо их химического
состава, влияет структура металла и множество других условий плавок. Подходы, в
которых при прогнозировании принимается во внимание структура металла, также не
могут быть использованы, так как получение параметров структуры металла возмож-
но уже только после разливки и затвердевания стали, когда оперативные управляю-
щие воздействия на результаты плавок уже невозможны. Главная идея исследования
состоит в том, чтобы обучить нейронную сеть на тех данных серийного производст-
венного процесса, которые прямо или косвенно влияют на механические характери-
стики получаемых изделий, и, таким образом, учитывать структуру металла неявным
образом. Отмечается, что данные, собранные в условиях действующего серийного
производства, неизбежно содержат множество статистических выбросов, поэтому
datasets подвергались тщательной очистке с помощью авторского алгоритма, что
позволило создать пригодную для практического применения нейросетевую модель.
С помощью разработанной нейросетевой модели методом замораживания в графи-
ческом виде построены зависимости ударной вязкости от режимов работы мартенов-
ской печи, условий плавок и химического состава. Исследование нейросетевой моде-
ли позволило выявить некоторые закономерности моделируемого процесса, в частно-
сти, установить, что в условиях мартеновского производства химический состав
играет не первостепенную роль в формировании прочностных характеристик изделий.
В результате исследований нейросетевой модели получены рекомендации по повы-
шению ударной вязкости производимых изделий и по выводу некоторых из них из
брака за счет изменения условий плавок и химического состава металла.

Научное направление: Компьютерные науки Химия Механика и машиностроение
Язык: русский
Полный текст
DOI
Текст на другом сайте
Ключевые слова: нейронная сетьударная вязкостьхимический составartificial neural networkchemical compositionore raw materialsimpact strengthmelting parametersсырьевой материалПараметры плавки
Похожие публикации
Impact of 5G NR-V2X Message Losses on Connected Vehicle Warning Functions
Физулин А. В., Степанянц В. Г., Американов А. А. и др., FUTURE TRANSPORTATION 2026 Vol. 6 No. 6 Article 264
Добавлено: 12 ноября 2026 г.
Structural model of decision support system for sustainable development of oil and gas companies
Stoianova A. D., Trofimets V. Y., Matrokhina K. V., International Journal of Engineering, Transactions A: Basics 2025 Vol. 38 No. 4 P. 701–709
Добавлено: 10 ноября 2026 г.
EdFitter: a hybrid course recommendation system using large language models
Sergei Koltcov, Рюмин Д. А., Alexandr Axyonov и др., PeerJ Computer Science 2026 Article 12:e4141
Добавлено: 10 ноября 2026 г.
Assessing density equilibration in confined Liquid–Liquid interfaces
Guskov T., Gerke K., Кондратюк Н. Д. и др., Molecular Simulation 2026 Vol. 52 No. 7 P. 546 – 555
Добавлено: 10 ноября 2026 г.
Influence of nuclear quantum effects on metastable states of warm dense hydrogen
Lukyanchuk V., Норман Г. Э., Кондратюк Н. Д. и др., Scientific Reports 2026 Vol. 16 No. 1 Article 16435
Добавлено: 10 ноября 2026 г.
Machine Learning and Knowledge Discovery in Databases. Research Track and Applied Data Science Track. European Conference, ECML PKDD 2026, Naples, Italy, September 7–11, 2026, Proceedings
Springer, 2027.
Добавлено: 9 ноября 2026 г.
Artificial Intelligence for Software Engineering (AI4SE): A Review of Capabilities, Evaluation, and Verification Challenges
Avdoshin S.M., Pesotskaya E.Y., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 6, part 2 P. 133–146
Добавлено: 8 ноября 2026 г.
MFL-ScrollNet: Recurrent Sliding-Window Detection for Panoramic Pipeline Magnetic Flux Leakage Images
Aleksei Samarin, Belous F., Торопов А. Г. и др., Technologies 2026 Vol. 14 No. 11 P. 1–21
Добавлено: 8 ноября 2026 г.
Proceedings 2026 IEEE International Conference on Joint Cloud Computing JCC 2026
IEEE Computer Society (Conference Publishing Services, CPS), 2026.
Добавлено: 7 ноября 2026 г.
Biochemical synthesis of coproporphyrin III tetramethyl ester: a novel reaction found in mycobacteria.
Bagaeva D. I., Demina G. R., Panina I. S. и др., International Journal of Biological Macromolecules (Нидерланды) 2026 Vol. 358 No. 1 P. 1–19
Добавлено: 7 ноября 2026 г.
Detecting the undetectable: benchmarking AI-generated text
Sergey Avdoshin, Elena Pesotskaya, Салех Х. М. и др., Procedia Computer Science 2026 Vol. 292 P. 1332–1341
Добавлено: 7 ноября 2026 г.
PrimeKV: Preserving critical KV cache without attention scores for long-context inference
Чжан Ч., Ильвовский Д. А., Neurocomputing 2027 Vol. 710
Добавлено: 5 ноября 2026 г.
Impact of mixed dihalogen substituents and their isomerism in cationic Mn(III) spin-crossover complexes with BPh4 − counterion
Казакова А. В., Korchagin D., Tiunova A. и др., Inorganica Chimica Acta 2026 Vol. 605 Article 123503
Добавлено: 5 ноября 2026 г.
A Multimodal Framework for Aphasia Severity Classification in Russian
Колмогорова А. В., Ekaterina Yavshitz, Margolina A. и др., Association for Computational Linguistics, 2026.
Добавлено: 4 ноября 2026 г.
Findings of the Association for Computational Linguistics: EMNLP 2026
Association for Computational Linguistics, 2026.
Добавлено: 3 ноября 2026 г.
PULSE: Psychological Characteristics Unified Learning via Speech-based Estimation
Абдулкадиров Т. Н., Рюмина Е. В., Рюмин Д. А. и др., Expert Systems with Applications 2026 Vol. 334 P. 1–29
Добавлено: 3 ноября 2026 г.
Vague Stimulating Ideas, Images and Metaphors in Scientific Thinking: Researchers’ Work with Horizons of Unclear Knowledge
Поддьяков А. Н., Integrative Psychological and Behavioral Science 2026 Vol. 60 No. 4 P. 1–50
Добавлено: 3 ноября 2026 г.
Arkhipenko, A.A.; Petrova, K.V.; Baranovskaya, V.B. Sorption Preconcentration and Analytical Determination of Cu, Zr and Hf in Waste Samarium–Cobalt Magnet Samples. Molecules 2022, 27, 5275, https://doi.org/10.3390/molecules27165275
Барановская В. Б., Molecules 2022 Vol. 27 P. 1–20
Добавлено: 2 ноября 2026 г.
Определение эффективности обнаружения DNS-туннелей при помощи нейронной сети в системе обнаружения вторжений
Маринин Н. Д., Гетьман А. И., Труды Института системного программирования РАН 2026 Т. 38 № 4 С. 123–142
В работе рассматривается метод обнаружения туннелей, реализованных с помощью протокола DNS в сетевом трафике при помощи нейронной сети. Для этого был произведен анализ актуальных методов. Подготовлен набор данных для обучения нейронной сети. Предложенная модель использует на входе последовательность символов, извлеченная из DNS ответа. Обученная модель показала F1 меру близкую к единице. Для проверки работоспособности доработаны ...
Добавлено: 11 сентября 2026 г.
Neural Network Simulation of a Residential Building for a Data-Driven Thermal Consumption
Стукач О. В., Ershov I., Dvurechenskaya N., , in: 2025 Dynamics of Systems, Mechanisms and Machines (Dynamics). International scientific and technical conference Omsk State Technical University, Omsk, Russia.: IEEE, 2025. P. 1–4.
Добавлено: 19 августа 2026 г.
Декомпозиция и прогноз социальных настроений россиян (нейросетевой подход)
Карачаровский В. В., Ларина У. С., Резмерица А. А., Социологические исследования 2026 № 7 С. 60–75
На основе нейросетевого подхода проводится декомпозиция индекса социальных настроений в России за период 2004-2024 гг., и моделируется динамика социальных настроений в этот период. Обсуждается: (а) природа шоков социальных настроений в России на основе их связи с концепциями политики памяти, сверхдержавы, национальной идеи; (б) проблема амбивалентности факторов, формирующих социальные настроения, и (в) преимущества и ограничения моделирования ...
Добавлено: 14 мая 2026 г.
Replacing Criterion of Creativity with Criterion of Investment for Results Created by Artificial Intelligence
Пакшин П. К., Legal Issues in the Digital Age 2026 Vol. 7 No. 1 P. 32–48
Искусственный интеллект выполняет значимую функцию в процессе автоматизации, минимизируя операционное участие человека в таких сферах, как медицина, искусство и юриспруденция. Несмотря на исторически тесную взаимосвязь искусства и технологий, именно генеративный искусственный интеллект расширил потенциал для творческой деятельности. Существенным катализатором этого процесса стало распространение предобученных систем искусственного интеллекта, интенсифицировавших развитие технологий в области обработки естественного языка ...
Добавлено: 31 марта 2026 г.
Нейронная сеть как инструмент поддержки принятия решений по ликвидации экономических последствий нештатных ситуаций
Мезенцев А. С., Ясницкий В. Л., Миролюбова Т. В. и др., В кн.: Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века : Сборник статей по материалам Десятой всероссийской научно-практической конференции с международным участием (г. Пермь, ПГНИУ, 9–10 октября 2025 г.).: Пермский государственный национальный исследовательский университет, 2025. С. 148–150.
На примере серийного производства стальных отливок показана возможность применения нейронных сетей в качестве системы поддержки принятия решений по снижению отрицательных экономических последствий некоторых нештатных ситуаций, связанных со сбоями поставок сырьевого материала. Ключевые слова: нештатная ситуация, производственный брак, нейронная сеть, прогнозирование, сырьевой материал, моделирование ...
Добавлено: 15 февраля 2026 г.
Нейросетевой метод поиска выбросов на основе анализа накопленной ошибки обучения
Ясницкий Л. Н., Голдобин М. А., В кн.: Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века : Сборник статей по материалам Десятой всероссийской научно-практической конференции с международным участием (г. Пермь, ПГНИУ, 9–10 октября 2025 г.).: Пермский государственный национальный исследовательский университет, 2025.
В статье предложен алгоритм нейросетевого метода поиска выбросов статистической информации. Алгоритм основан на анализе поведения накопленной ошибки обучения множества нейросетей персептронного типа с одним скрытым слоем, полученной суммированием для каждого примера обучающего набора данных. Количество нейронов скрытого слоя каждой нейросети определяется исходя из следствия теоремы Арнольда – Холмогорова – Хехт-Нильсена, которое регламентирует количество связей и количество нейронов скрытого слоя, ...
Добавлено: 15 февраля 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