Поисковый запрос:  - ( Ключевое слово= МАШИННОЕ ОБУЧЕНИЕ )

Аннотация: Для обеспечения безопасности движения, как на железнодорожном транспорте, так и на дорогах общего пользования, актуальной задачей является совершенствование интеллектуальных систем помощи водителю. По последним данным системы распознавания в задачах классификации изображений не только не уступают человеческому восприятию, но и могут превосходить его. В работе описаны результаты решения задачи GTSRB с помощью сверточных сетей AlexNet, GoogLeNet на программном обеспечении DIGITS.

Количество обращений к полному тексту:63

Аннотация: Что такое искусственный интеллект(ИИ). Отличие от естественного интеллекта. Машинное обучение (ML). Выполнение новых, ранее невиданных задач после получения опыта с набором обучающих данных. Особенность IoT. Распознавание речи. Рекомендация по продукту. Распознавание фигур. Обнаружение мошенничества с кредитными картами. Распознавание лиц.

Количество книговыдач:1

Количество обращений к полному тексту:70

Аннотация: В данной статье описывается структура интерференционной модели нейронной сети и её параметры. В статье подбираются значения параметров, позволяющие решать задачу распознавания образов с максимальной точностью, а также приводятся экспериментальные данные, показывающие эффективность подбора.

Количество книговыдач:1

Количество обращений к полному тексту:84

Аннотация: Обоснована актуальность проведения и выделены перспективные направления научных исследований в области квантовой информатики. По иностранным и российским публикациям и материалам сделан обзор основных научных результатов, характеризующих современное состояние исследований в квантовой информатике. Отмечено, что наиболее интенсивно знания и средства инвестируются в разработку архитектуры квантового компьютера и его элементов. Несмотря на то, что сегодня нет информации о создании физической реализации квантового компьютера, сравнимого по функциональным возможностям с классическим цифровым вычислителем, разработка квантовых алгоритмов является одним из актуальных направлений исследований. Преимущество квантовых алгоритмов заключается в снижении времени решения задачи за счет распараллеливания операций путем генерирования запутанных квантовых состояний и их последующего использования. Указанное преимущество (квантовое ускорение) является наиболее выигрышным при решении задачи моделирования динамики сложных систем и переборных математических задач (общий случай перебора – схема Гровера и ее варианты; задачи поиска скрытых периодов – схема Шора использования быстрого квантового преобразования Фурье и ее аналоги). Отмечена востребованность разработок в области кибербезопасности (поиск уязвимостей в умных пространствах, безопасное хранение и использование больших данных, квантовая криптография). Представлено более десятка статей, посвященных квантовым алгоритмам поиска ключей, распределению ключей на оптическом волокне различной длины, анализу квантовых ресурсов, необходимых для проведения кибератаки. В области искусственного квантового интеллекта внимание уделяется, в первую очередь, «поискам» модели квантовой нейронной сети, оптимальной с точки зрения использования всех преимуществ, представляемых квантовыми вычислениями и нейронными сетями, а также алгоритмам машинного обучения. Приведены примеры использования квантовых вычислений в когнитивных и социальных науках для исследования механизма принятия решений при неполных данных. Сделан вывод о перспективности применения квантовой информатики при моделировании сложных естественных и искусственных явлений и процессов.

Количество книговыдач:6

Количество обращений к полному тексту:81

Аннотация: Настоящая статья посвящена использованию онтологий в проектах цифровой железной дороги. Онтология – это систематическая классификация предметных знаний, которая поддерживает использование различных баз данных осмысленным образом. Железнодорожные перевозки стали областью, в которой производительность все больше зависит от имеющейся способности извлекать информацию из сложных наборов данных, а также принимать оптимальные решения в режиме реального времени. Поэтому эффективное управление информацией и данными жизненно важно для железной дороги, которая является тесно связанной онтологической системой систем, где изменения в любой части могут иметь значительные последствия в других местах. Например, онтология является одним из важных факторов реализации проекта анализа рисков больших данных (BDRA) для железных дорог. Целью BDRA является поддержка анализа рисков и принятие решений по безопасности из широкого спектра источников данных, а также для улучшения управления рисками безопасности на железных дорогах. В качестве примера в работе рассмотрено онтологическое проектирование для проекта цифровой железной дороги Rail Baltica. Отмечается большая роль искусственного интеллекта и систем на базе машинного обучения. Также в работе показано, что для того, чтобы в полной мере использовать эти новые технологии, железнодорожная отрасль должна пересмотреть свой подход к сбору и хранению данных и выбрать правильный набор онтологий.

Количество обращений к полному тексту:64

Аннотация: Журнал продолжает публикацию статей по организации беспилотного движения, разработке необходимых технических средств и технологий, систем управления и др. Рассматривается подход обнаружения препятствий на основе комбинации методов машинного обучения и стереозрения. Предлагается применять результаты работы алгоритмов стереозрения в качестве входных данных для моделей семантической сегментации в целях обнаружения препятствий на пути следования. Приводится анализ подходов с использованием данных от симулятора.

Аннотация: Двадцать лет назад, на рубеже тысячелетий, когда еще не появились ни iPhone, ни Twitter, ни Facebook, мир ИТ был глубоко озабочен проблемой 2000 г. А что мы имеем в начале 2020-х? Год 2020-й возвещает начало еще одного десятилетия, насыщенного революционными тенденциями в области технологий. Некоторые передовые технологии уже стали обыденными, но появление новых сценариев их использования и новых приложений откроет дополнительные преимущества и возможности. Исследовательская компания Gartner прогнозирует, что основными стратегическими тенденциями развития в 2020 г. будут гиперавтоматизация, блокчейн и защита с помощью искусственного интеллекта.

Количество обращений к полному тексту:56

Аннотация: Инновации в сфере цифровых технологий.

Количество книговыдач:3

Количество обращений к полному тексту:7

Аннотация: Новые цифровые технологии, в т.ч. информационные, коммуникационные, навигационные, в сочетании с появлением умного транспорта ведут к цифровой трансформации всех составляющих транспортной системы.

Количество книговыдач:1

Количество обращений к полному тексту:73

Аннотация: В последнее десятилетие стремительно развивается машинное обучение - один из самых захватывающих разделов искусственного интеллекта.

Количество обращений к полному тексту:57

Аннотация: Что происходит, когда из-за машинного обучения (программ, которые впитывают новые данные и на их основе меняют способы принятия решений) инвестиции оказываются убыточными, кандидаты на вакансии или потенциальные заемщики оцениваются предвзято, а автомобили попадают в аварии? Могут ли умные продукты и сервисы развиваться автономно — или лучше блокировать их «эволюцию» и периодически обновлять алгоритмы? Когда и с какой регулярностью проводить обновления во втором случае? Как оценивать риски того или иного варианта и справляться с ними?

Количество книговыдач:1

Количество обращений к полному тексту:35

Аннотация: Представлен анализ потенциала прогрессивных подходов к моделированию на основе методов машинного обучения применительно к транспортной сфере. Сформированы формализующие технологии схемы. Обозначены специфические особенности распространенных алгоритмов и методов. Приведены результаты оценки перспективных моделей.

Аннотация: В ближайшее время скорость принятия решений, внедрения новых технологий и получения информации станет для компаний и предприятий одним из самых главных факторов успеха, который определит дальнейшие пути их развития. Социально-экономическая трансформация общества и экономики происходит под влиянием массового внедрения и применения цифровых технологий. Некоторые передовые технологии уже стали обыденными, но появление новых сценариев их использования и новых приложений откроет дополнительные преимущества и возможности.

Аннотация: Описана история внедрения систем автоматического управления движением поездов в различных странах мира в контексте классификации уровней автоматизации. Рассмотрены такие предпосылки успешной реализации технологий автоведения на железной дороге, как надежная система определения препятствий, высокоточная система позиционирования с применением спутниковой навигации и электронных бортовых карт, новые стандарты цифровой радиосвязи, а также разработка спецификаций к подсистеме автоведения и ее интерфейсам с другими подсистемами.

Количество обращений к полному тексту:79

Аннотация: Предложенный подход позволяет идентифицировать участки инфраструктуры по риску возникновения нарушений безопасности движения (НБД); на основе полученных прогнозных значений разрабатывается план мероприятий по предупреждению НБД, повышается оперативность принятия управленческих решений, создается возможность сокращения затрат на восстановление движения за счет своевременной реализации комплекса превентивных действий.

Количество обращений к полному тексту:59

Аннотация: В учебнике рассмотрена работа по применению интеллектуальных технологий в беспилотных системах. Дано описание методики исследования, изложены результаты проведенной работы, а также их интерпретация. Изучены основы управления интеллектуальными беспилотными системами. Описаны основные понятия и определения, история развития, основы управления данными в беспилотных системах. Приведены основные методы и модели, используемые в интеллектуальных беспилотных системах. Рассмотрены вопросы управления данными в беспилотных системах различных видов деятельности. Соответствует требованиям федеральных государственных образовательных стандартов среднего профессионального образования последнего поколения. Для студентов вузов и учреждений среднего профессионального образования, обучающихся по направлениям подготовки и специальностям, предполагающим изучение дисциплин, связанных с интеллектуальным управлением в беспилотных системах.

Аннотация: Анализируется опыт подготовки кадров в области машинного обучения, предиктивной аналитики и интеллектуальных транспортных систем в целом. Подчеркивается, что залогом успешного решения этой задачи является тесное взаимодействие с работодателями и внедрение инновационных образовательных технологий в образовательный процесс, вовлечение студентов в практическую и научную деятельность. Рассматриваются процесс, результаты и перспективы подготовки специалистов по указанным направлениям на кафедре «Управление и защита информации» РУТ (МИИТ).