Научный архив: статьи

Обобщая существующие мнения об актуальности использования технологий с элементами искусственного интеллекта (ИИ) как одного из ведущих трендов современного образования, авторы рассматривают преимущества подготовки образовательного контента с помощью отечественных инструментов и технологий генеративного ИИ, одобренных учителями в рамках повышения квалификации. В статье особое внимание уделяется анализу особенностей, способам и технологиям подготовки образовательного контента (текст, графика, аудио и видео) с использованием возможностей популярных нейросетей GigaChat и YandexGPT, Шедеврум и др., что имеет практическую и методическую ценность для широкого круга педагогических кадров.

Разработку программного обеспечения сложно представить без инструментов автоматизации рутинной деятельности, не малая часть которой приходится на формализацию требований с помощью графических языков моделирования процессов. Преобразование текстовой информации в формализованные процессы занимает много времени бизнес-аналитиков, большая часть которого может быть направлена и на другие важные задачи, в число которых входит как согласование постановок задач с заказчиками, так и с разработчиками. Решением поставленной проблемы может стать применение стремительно развивающихся нейросетевых инструментов, предназначенных для обработки естественного языка. Целью данного исследования является анализ возможностей повышения эффективности трудовой деятельности бизнес-аналитиков в части реконструкции бизнес-процессов с помощью языковой модели ChatGPT 4.0. Научная новизна работы заключается в получении ранее неизвестных результатов эффективности ChatGPT для реконструкции отдельных проекций бизнес-процессов(поток управления, данные, ресурсы, операции) на основании изучения результатов реконструкции 54 коротких пользовательских сценариев с последующим сравнительным анализом с существующим подходом реконструкции процессов на основе правил грамматики зависимостей. Практическая значимость исследования обусловлена возможностью использования полученных данных для уточнения схем обработки пользовательских историй. В работе решаются следующие задачи: анализ архитектуры и возможностей модели ChatGPT 4.0 в части обработки естественного языка, разработка методики оценки качества реконструкции бизнес-процессов, экспериментальная оценка качества реконструкции, получение статистических оценок, сравнительный анализ с существующим подходом на основе правил грамматики зависимостей. Для достижения поставленных задач в работе используется аппарат статистической обработки данных, экспертного анализа, прикладной лингвистики и нейронных сетей.

В статье приводится анализ существующих способов автоматизированного контроля состояния космических аппаратов (КА) по телеметрической информации (ТМИ) методами машинного обучения и дается оценка перспектив их применения в области телеконтроля состояния КА в многоспутниковых группировках. Одной из важнейших задач на всех этапах жизненного цикла космических аппаратов (КА) является анализ телеметрической информации для определения технического состояния их бортовой аппаратуры с целью заблаговременного выявленияи прогнозирования нештатных ситуаций. Существующие детермированные методы контроля состояния КА на основе мониторинга пороговых значений, анализа показателей качества, сравнения с эталонной моделью функционирования и др., с одной стороны, предполагают огромные трудозатраты на работу экспертов и формализацию логики функционирования сложного технического объекта на различных уровнях его иерархии, а с другой стороны, не обеспечивают необходимый уровень автоматизации и оперативности при контроле состояния отдельных КА в многоспутниковых группировках.

С быстрым развитием информационных технологий защита передаваемых данных становится одной из приоритетных задач. Классические методы шифрования эффективно решают эту проблему, однако иногда необходимо скрыть сам факт передачи важной информации. Одним из возможных решений могут быть стеганографические методы, которые скрывают сам факт передачи, добавляя данные в существующие цифровые ресурсы. В научной литературе описано множество традиционных стеганоалгоритмов. В последние годы методы сокрытия информации с помощью нейронных сетей становятсявсе более популярными [1]. Однако большинство таких методов используют нейронные сети для реализации более сложных функций встраивания данных, не создавая новых способов сокрытия информация. Целью работы является краткий обзор разработанного автором метода сокрытия информации без использования цифровых ресурсов - изображений для встраиванияи приведение некоторых критериев оценки его эффективности и надежности. В начале статьи дается описание существующих стеганографических методов, общая структура предложенного метода. Оценивается сходимость предложенного алгоритма, генерирующего равномерно распределенный массив данных, даются временные и емкостные характеристики разработанного метода. Приводятся примеры исходных данных и сгенерированных на их основе изображений

Использование искусственных нейронных сетей в металловедении для решения задач анализа изображений, в частности сегментации или классификации микроструктур металлов, включает в себя 6 основных этапов: определение проблемы, составление набора данных, выбор модели, обучение модели, оценка модели, интеграция с существующим рабочим процессом. В статье подробно рассмотрены эти этапы, приводится пример их реализации для се-мантической сегментации микроструктур композиционных покрытий, содержащих крупные первичные карбиды. Выделение карбидов нейронной сетью позволяет автоматизировать процесс определения их объемной доли в структуре покрытий.

В данной работе рассматривается задача многопериодного прогнозирования реализованной волатильности (realized volatility, ) и системного бэк-тестирования торговых стратегий для опционов на торгуемые биржевые фонды (Exchange-Traded Fund, ETF). Цель исследования - построение моделей глубокого обучения для многопериодного прогнозирования волатильности активов, таких как SPY и QQQ, и проверка эффективности прогнозов в рамках бэк-тестирования опционных стратегий. Для прогнозирования было использовано несколько архитектур нейронных сетей: LSTM, GRU, BiLSTM, BiGRU, FNN и NBEATSx, а также базовая эконометрическая модель HAR-RV для сравнения. В исследовании вводится новая функция потерь, квантильный лог-гиперболический косинус, для повышения точности прогнозов на высоких значениях волатильности. Точность моделей оценивалась на основе метрик MSE, MAE, MAPE и скорр., что показало превосходство рекуррентных архитектур. С целью апробации в условиях различных рыночных сценариев полученные прогнозы реализованной волатильности были использованы в бек-тестировании двух опционных стратегий: стрэддл и v-скальпинг.

В данной статье рассматриваются теоретические основы и принципы работы основных методов кластерного анализа данных, используемых в задачах интеллектуальной аналитики. Подробно анализируются работы ряда исследователей в области кластеризации, описан прогресс в разработке и применении классических и новейших подходов к группировке структурно сложных, разнородных данных с использованием аппарата статистики, нейронных сетей, математического моделирования. Рассмотрены математические основания иерархических, вероятностных, плотностных, графовых и других методов кластеризации, теоретически доказана эффективность их применения на разных типах данных в зависимости от поставленных аналитических целей. Отдельное внимание уделено проблематике кластеризации больших объемов разнородной информации в условиях возрастания скорости поступающих данных и требований к оперативности их обработки. Продемонстрирован потенциал гибридных нейросетевых и распределенных методов кластеризации для эффективного масштабируемого анализа Big Data в высокопроизводительных вычислительных системах. Показано, что несмотря на значительный прогресс, ряд фундаментальных вопросов в данной области остается открытым и требует дальнейших междисциплинарных исследований на стыке статистики, математики и компьютерных наук..

Рассмотрено влияние искусственного интеллекта на сферу маркетинговой деятельности. Дано описание нейросетей и их применения в современном маркетинге. Представлены преимущества, которые дает интеграция ИИ и нейросетей с рекламными технологиями для анализа данных о потребностях клиентов, прогнозировании спроса на продукцию. Исследована возможность обучения нейронных сетей. Дана оценка скорости их развития и адаптации к исследуемым запросам.

Работа посвящена проблеме повышения эффективности масочного автоэнкодера за счет разработки стратегии маскирования изображений, которая учитывала бы расположение объектов на изображении и позволяла бы скрыть как можно меньше семантически важной информации. В статье представлен обзор существующих методов маскирования изображений, включая стратегии как с учетом, так и без учета структуры изображения. Предложена стратегия наложения масок на основе алгоритма поиска объектов, анализирующего элементарные характеристики фрагментов изображений. Исследование проводится на примере масочного автоэнкодера с ViT в качестве энкодера. Сравнивается эффективность обучения энкодера с использованием предложенной стратегии и с использованием стратегии случайного маскирования изображений.

В работе рассматривается один из этапов определения кода товарной номенклатуры внешнеэкономической деятельности для товаров, входящих в целевую группу «обувь», состоящий в анализе изображений товарных позиций, присутствующих в сопроводительных документах. Приведено обоснование применения сверточных нейронных сетей для классификации изображений. Рассмотрены возможные подходы к построению специализированных нейросетевых классификаторов. Проведен сравнительный анализ эффективности подходов, основанных на дообучении существующих классификаторов (transfer learning) и на построении сверточных сетей, обученных только на размеченных данных выбранного товарного ассортимента. Исследованы вопросы получения обучающей выборки путем парсинга специализированных сайтов и получения элементов выборки с помощью систем искусственного интеллекта, специализирующихся на генерации изображений по запросу.

В работе проведен анализ текстов описаний товарных позиций ТН ВЭД для обуви, определены признаки, влияющие на классификацию. Предложена систематизация признаков, доступных для визуального распознавания и формализации из документации. Приведены возможности использования методов искусственного интеллекта для решения задач классификации, приведен опыт построения экспертной системы.

Семантическая сегментация - операция в компьютерном зрении, заключающаяся в классификации и попиксельной локализации объектов на цифровом изображении. Данная статья содержит в себе обзор существующих модификаций классической архитектуры сверточной нейронной сети, направленных на решение проблемы искажения информации с исходного изображения. Проведено сравнение эффективности рассмотренных моделей в условиях бинарной и множественной семантической сегментации. Статья может быть полезной для ML/DL-разработчиков, желающих изучить проблематику сегментации изображений в рамках своей предметной области.