Шведов В.А. Распознавания дорожных знаков сверточными нейронными сетями различной структуры, с применением графических процессоров CUDA / В. А. Шведов, Е. С. Ильин. - Текст : электронный on-line // Транспортная инфраструктура Сибирского региона : материалы Шестой международной научно-практической конференции, посвященной 40-летию со дня образования Иркутского государственного университета путей сообщения, 30 сентября - 03 октября 2015 г. В 2-х т. / ред. коллегия: А. П. Хоменко, А. И. Артюнин, С. К. Каргопольцев ; отв. за выпуск М. А. Савостеева. - Иркутск : ИрГУПС, 2015. - Т.2. - С. 282-286
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.
004 А 35 Азимбаев Д.Ж. Искусственный интеллект и машинноеобучение / Д. Ж. Азимбаев, И. А. Куан, И. В. Гулида. - Текст : электронный // Вестник современных исследований. - 2019. - № 1.3 (28). - С. 6-7
Аннотация: Что такое искусственный интеллект(ИИ). Отличие от естественного интеллекта. Машинноеобучение (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.
004 Б 12 Бабич Н.А. Параметрический синтез интерференционной модели нейронной сети / Н. А. Бабич. - Текст : электронный // Вестник современных исследований. - 2019. - № 1.13 (28). - С. 52-56
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.
Квантовая информатика: обзор основных достижений / А. С. Сигов [и др.]. - Текст : электронный // Российский технологический журнал. - 2019. - Т. 7. № 1. - С. 5-37
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 машинногообучения. 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.
Онтологии больших данных, машинногообучения, и искусственного интеллекта на цифровой железной дороге / В. С. Лазуткина [и др.]. - Текст : электронный // International Journal of Open Information Technologies. - 2019. - vol. 7, no.5. - С. 75-88
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 машинногообучения. 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.
Дейлид И.А. Применение методов машинногообучения для определения препятствий с помощью стереозрения / И. А. Дейлид, С. А. Молодяков. - Текст : непосредственный // Железнодорожный транспорт : Ежемесячный научно-теоретический технико-экономический журнал. - М. : ОАО "Российские железные дороги", 2019. - N 12. - С. 27-29
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 машинногообучения 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.
Имеются экземпляры в отделах:
всего 1 : ЧЗ №2 (1) Свободны: ЧЗ №2 (1)
10 стратегических тенденций развития технологий в 2020 году. - Текст : электронный // Деловое совершенство. - 2020. - № 4. - С. 56-58
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.
004 П 27 Перспективные тенденции и технологические тренды в области IT : мониторинг. Вып. 4 / Открытое акционерное общество "Российские железные дороги", ЦНТИБ - филиал ОАО "РЖД", 2020. - 29 с. on-line (Введено оглавление). - Текст : электронный.
Каргина Л.А. Применение цифровых технологий при реализации проектов умного транспорта / Л. А. Каргина, Т. М. Дмитриева. - Текст : электронный // Экономика железных дорог : Журнал для руководителей и финансово-экономических работников. - М. : Прометей, 2020. - N 10. - С. 59-65
Аннотация: Новые цифровые технологии, в т.ч. информационные, коммуникационные, навигационные, в сочетании с появлением умного транспорта ведут к цифровой трансформации всех составляющих транспортной системы.
Агравал, Аджай. Машинноеобучение: инструкция для опоздавших / А. Агравал, Д. Ганс, А. Голдфарб. - Текст : электронный // Harvard Business Review. - 2020. - № 10. - С. 68-72
Аннотация: В последнее десятилетие стремительно развивается машинноеобучение - один из самых захватывающих разделов искусственного интеллекта.
Машинноеобучение выходит из-под контроля / Б. Бабик, Г. Коэн, Т. Эвгениу, С. Герке. - Текст : электронный // Harvard Business Review. - 2021. - № 3. - С. 59-65
Аннотация: Что происходит, когда из-за машинногообучения (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?
Бутыркин А. Я. Использование предиктивной аналитики в процессах моделирования и машинногообучения на транспорте / А. Я. Бутыркин, В. А. Гелис, Е. Б. Куликова. - Текст : непосредственный // Железнодорожный транспорт : Ежемесячный научно-теоретический технико-экономический журнал. - М. : ОАО "Российские железные дороги", 2021. - N 11. - С. 50-54
Аннотация: Представлен анализ потенциала прогрессивных подходов к моделированию на основе методов машинногообучения применительно к транспортной сфере. Сформированы формализующие технологии схемы. Обозначены специфические особенности распространенных алгоритмов и методов. Приведены результаты оценки перспективных моделей.
Имеются экземпляры в отделах:
всего 1 : ЧЗ №2 (1) Свободны: ЧЗ №2 (1)
004 Ц 75 Цифровые технологии : тематическая подборка / сост. Е. М. Розентальс ; отв. за выпуск Е. В. Шавыркина, 2021. - 216 с. (Введено оглавление). - Текст : непосредственный.
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.
Для просмотра полного текста, пожалуйста, авторизируйтесь.
Озеров А. В. Развитие систем автоматизации управления движением поездов / А. В. Озеров, В. М. Малинов, А. С. Маршова. - Текст : электронный // Железнодорожный транспорт : Ежемесячный научно-теоретический технико-экономический журнал. - М. : ОАО "Российские железные дороги", 2022. - N 3. - С. 10-15
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.
Сеславина Е. А. Информационные технологии комплексного управления рисками безопасности перевозок / Е. А. Сеславина, Е. Н. Евдокимова. - Текст : электронный // Экономика железных дорог : Журнал для руководителей и финансово-экономических работников. - М. : Прометей, 2022. - N 8. - С. 89-96
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.
004 Г 25 Гвоздева, Валентина Александровна. Интеллектуальные технологии в беспилотных системах : учебник / В. А. Гвоздева, 2023. - 197 с. on-line (Введено оглавление). - Текст : электронный.
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.
Для просмотра полного текста, пожалуйста, авторизируйтесь.
Свободных экз. нет Количество выдач: 0000000 Подробнее . . .
18.
Ж884896/2024/4 Железнодорожный транспорт : ежемесячный научно-теоретический технико-экономический журнал. - Выходит ежемесячно 2024г. № 4 Железнодорожный транспорт, 2024г. № 4 (Введено оглавление). - Текст : непосредственный.
Сидоренко В. Г. Подготовка специалистов в области интеллектуальных транспортных систем / В. Г. Сидоренко. - Текст : непосредственный // Железнодорожный транспорт : Ежемесячный научно-теоретический технико-экономический журнал. - М. : ОАО "Российские железные дороги", 2024. - N 4. - С. 45-48
Аннотация: Анализируется опыт подготовки кадров в области машинногообучения, 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).
Имеются экземпляры в отделах:
всего 1 : ЧЗ №2 (1) Свободных экз. нет
Экз.1 (ЧЗ №2) занят