Научный архив: статьи

Предлагается модель машинного обучения, способная предсказывать значения энергии Гиббса для различных систем (веществ) в условиях отсутствия структурной информации об их фазах. В качестве базовой модели используется нормализующий поток с монотонными дробно-квадратичными сплайнами для моделирования синтетического распределения плотности вероятности значений энергии для различных систем (составов).

Рассматривается численное моделирование тепловых процессов при 3 D -печати с использованием технологии селективного лазерного плавления на основе машинного обучения. Построена математическая модель нестационарного теплопереноса в стержне переменного сечения в виде дифференциального уравнения в частных производных относительно температуры стержня. Предложен алгоритм численного решения уравнения с использованием системы Matlab . Показано, что при определённых исходных данных распределение температуры носит квазистационарный характер. Для данного случая получено простое аналитическое выражение для температурного поля. С использованием библиотеки TensorFlow построена и обучена нейросеть. Данные для обучения нейросети получены при помощи аналитического решения тепловой задачи. Результаты расчётов с использованием нейросети соответствуют результатам решения исходной математической модели. Отмечается, что трёхмерное моделирование процесса печати для реальных изделий требует значительных компьютерных ресурсов. Показано, что модели на основе машинного обучения могут быть использованы для аппроксимации температурного поля при 3 D -печати по технологии селективного лазерного плавления подобных по форме деталей.

С развитием цифровизации традиционные методы анкетирования потребителей с целью оценки степени их удовлетворённости качеством услуг уступают место подходу, основанному на автоматической обработке текстовых массивов социальных медиа. Целью работы является определение степени удовлетворённости качеством медицинских услуг пациентов посредством разработки и апробации алгоритма классификации русскоязычных текстовых отзывов, извлечённых из социальных медиаресурсов. Интерес представляет определение тональности отзывов пациентов (положительный/отрицательный) о работе медицинских учреждений и врачей, а также объекты обращения отзыва - качество оказанных медицинских услуг или организация обслуживания пациентов медицинским учреждением. Разработан метод классификации текстовых отзывов о работе медицинских учреждений, размещённых пациентами на двух сайтах отзывов о врачах в России. Проанализировано около 60 тысяч отзывов. Апробированы методы машинного обучения с использованием различных архитектур искусственных нейронных сетей. Разработанный алгоритм классификации имеет высокую эффективность - лучший результат показала архитектура на основе рекуррентной нейронной сети (показатель точности = 0.9271). Применение метода поиска именованных сущностей к текстовым сообщениям позволило повысить эффективность классификации для каждого из классификаторов, базирующихся на использовании нейронных сетей. Для повышения качества классификации требуется семантическое разбиение отзыва по объекту обращения и тональности и последующий учёт полученных фрагментов отдельно друг от друга.

В настоящей работе произведено сравнение эффективности модели машинного обучения регрессора k-соседей и модели классификатора k-ближайших соседей в задаче предсказания состояния трансформаторного оборудования с использованием данных, которые были сняты системой мониторинга трансформатора.

Предмет исследования: силовые трансформаторы.

Цель исследования: выявление наилучшей модели в задаче классификации состояния трансформаторного оборудования.

Объект исследования: система диагностики трансформаторного оборудования.

Методы исследования: анализ, компьютерное моделирование.

Основные результаты исследования: были получены данные об эффективности моделей с разными параметрами, но все регрессионные модели показали результат хуже, чем модель классификатора.

В данном исследовании рассматривается влияние социальных сетей на покупательское поведение потребителей с использованием комплексного подхода, объединяющего теоретические основы, анализ эмпирических данных и передовые технологические решения.

В исследовании использован смешанный метод, сочетающий количественный анализ показателей вовлеченности пользователей и качественную оценку эффективности контента.

Основные результаты свидетельствуют о значительном влиянии социального доказательства, информационных каскадов и эффекта эхо-камеры на принятие решений потребителями в цифровой среде.

В исследовании предложена новая многофакторная система оптимизации контента (СМОК), которая использует алгоритмы машинного обучения для семантического анализа, компьютерного зрения, предсказания вирусности и динамического ценообразования.

Внедрение СМОК может значительно повысить эффективность маркетинга и вовлеченность потребителей.

Данное исследование вносит вклад в данную область, предоставляя целостную структуру для понимания и оптимизации маркетинговых стратегий в социальных сетях, подчеркивая важность этических соображений и создания подлинной ценности в цифровом взаимодействии с потребителями.

Актуальность исследования обусловлена тем, что технологии искусственного интеллекта стремительно развиваются и обладают огромным потенциалом, который с успехом может быть использован на благо человечества, но в то же время таят в себе в условиях социальной и этико-правовой неопределенности немало новых вызовов и ставят ряд этических вопросов в отношении будущего уклада жизни человеческого общества и путей, по которым пойдет его дальнейшее развитие. В статье подчеркивается, что искусственный интеллект обладает потенциалом для того, чтобы изменить будущее человечества в лучшую сторону, тем не менее, искусственные интеллектуальные системы по своей сути не нейтральны и характеризуются внутренне присущей им предвзятостью, которая обусловлена исходными данными, использовавшимися при их «обучении». Ввиду масштабности социальных последствий технологий искусственного интеллекта многие страны обеспокоены сегодня этическими аспектами его использования. Для того чтобы наметить возможные сценарии и задействовать потенциал искусственного интеллекта для реализации возможностей в сфере развития при сохранении контроля над рисками, важно выработать более всестороннее понимание социальных изменений, вызванных все более расширяющимся применением интеллектуальных систем. Делается вывод о том, что проблемы применения искусственного интеллекта необходимо рассматривать сквозь призму анализа социальной сущности человека, современной социокультурной реальности, гуманистических целей и ценностей современного социума. Любые достижения в сфере искусственного интеллекта имеют смысл только в том случае, если они соотносятся с подлинно человеческими ценностями. Отсутствие на сегодняшний день утвержденных на международном уровне этико-правовых норм и стандартов, касающихся применения разработок и инноваций в сфере искусственного интеллекта свидетельствует о необходимости активной и направленной работы российского исследовательского сообщества в данной сфере.

В статье исследуется влияние предварительного использования фильтра Калмана на качество обучения автоэнкодеров при обработке изображений с коррелированным шумом. Цель исследования заключается в сравнении эффективности применения фильтра Калмана с традиционными методами фильтрации, такими как медианный фильтр и фильтр Гаусса, в контексте предварительной обработки изображений. Для эксперимента использовались изображения с искусственно добавленным коррелированным шумом.

Методология включала настройку параметров фильтра Калмана для оптимального удаления коррелированного шума, а также применение медианного и Гауссового фильтров для сравнительного анализа. Оценка качества фильтрации проводилась с использованием индекса структурного сходства (SSIM) и пикового соотношения сигнал/шум (PSNR). Результаты эксперимента показывают, что фильтр Калмана значительно снижает уровень коррелированного шума, улучшая качество изображений и повышая точность обучения автоэнкодеров. Это подтверждает эффективность применения фильтра Калмана для предварительной обработки изображений и обеспечивает более чистые данные для последующих этапов машинного обучения. Результаты исследования подчеркивают важность выбора подходящих методов цифровой фильтрации шума для повышения производительности нейронных сетей.

Одним из наиболее важных этапов при разработке продукции и постановке ее на серийное производство является выбор поставщиков комплектующих изделий. Качество в поставках позволяет стабильно производить продукцию, отвечающую высоким нормам современных автопроизводителей. Методы оценки и выбора надежного поставщика не позволяют полностью исключить субъективный фактор менеджера или целого отдела закупок. В данной статье ставится задача разработки и дальнейшего внедрения в процессы предприятия универсальной методики оценки и выбора поставщика, основанной на методах машинного обучения и данных из уровня дефектности в поставках и дефектности из эксплуатации.

В статье рассмотрены основные вопросы когнитивизма как базы искусственного интеллекта (ИИ) в современной философской трактовке этих сущностей. Дана классификация ИИ по уровню когнитивизма базовых функций. Рассмотрены вопросы эволюции когнитивных возможностей искусственного интеллекта. Подняты проблемы предсказуемости негативного воздействия ИИ на социум. В статье выделены основные когнитивные искажения, которые возможны при применении искусственного интеллекта в научных исследованиях, а именно иллюзия исследовательской широты. Авторы дают рекомендации для учёных и редакций научных журналов по грамотному использованию ИИ в научных экспериментах. В данной работе также поднята проблема доверия в области кибербезопасности систем ИИ. Авторы рассматривают гипотезу о наличии сознания у чат-ботов и делают однозначные выводы о его отсутствии.

Статья посвящена проблеме отбора заданного числа наиболее информативных регрессоров в линейных регрессиях. При использовании метода наименьших квадратов точное решение этой задачи по критерию максимизации коэффициента детерминации при задействовании всей выборки данных может быть получено в результате решения особым образом сформулированной задачи частично-булевого линейного программирования. Однако в машинном обучении важным этапом при создании надежной и эффективной модели считается её построение по обучающей выборке и проверка точности её предсказания по тестовой выборке. Поэтому в статье сформулирована оптимизационная задача отбора информативных регрессоров в линейных регрессиях по критерию минимизации средней абсолютной ошибки на тестовой выборке. Формулировка основана на известном приёме, согласно которому абсолютные ошибки должны быть представлены в виде разности между двумя неотрицательными переменными. С использованием встроенных в пакет Gretl статистических данных о заработной плате спортсменов и решателя оптимизационных задач LPSolve проведены вычислительные эксперименты. Для этого обучающая выборка формировалась из 70%, 75% и 80% наблюдений. Во всех этих случаях среднее снижение значения коэффициента детерминации моделей составило 24,76%, 18,4% и 12,22%, но при этом средняя абсолютная ошибка уменьшилась на 24,8%, 26,3% и 21,05% соответственно. Эксперименты показали, что среднее время решения задач при минимизации средней абсолютной ошибки на тестовых выборках оказалось в 2,33–2,85 раза выше, чем время решения задач при максимизации коэффициента детерминации на обучающих выборках.

В работе проведен сравнительный анализ различных подходов к решению задачи идентификации текстиля, по фотоизображению материала, с помощью методов машинного обучения, Рассмотрена математическая модель, лежащая в основе программной реализации. Модель протестирована на дополнительном наборе данных с применением методов объяснимости работы нейронных сетей.

В работе приведен краткий теоретический обзор существующих методов решения задач классификации. Проведен анализ данных методов и выбран метод для решения конкретной задачи по подбору тарифа проживания на базе отдыха. Выполнена программная реализация оригинального алгоритма на основе метода k-NN. Добавлены коэффициенты значимости признаков