Научный архив: статьи

Статья посвящена исследованию возможности использования современных компьютерных технологий для диагностики стоматологических заболеваний у детей

В повседневную и творческую деятельность современного человека прочно включены новые инструменты - нейросетевые технологии. Благодаря цифровизации появилось множество электронных приложений для решения разного рода задач, ускоряющих результативность труда. Прогресс технологий позволил в отдельных видах деятельности полностью исключить ручной труд, заменив человека роботами и чат-ботами. Искусственные нейронные сети используют для решения рутинных задач аналитики, прогнозирования, а также в дизайн-проектировании. Скорость как вычислительных процедур, выполняемых компьютерными программами, так и генерирования ими образов объектов в графических редакторах в несколько раз превышает аналогичные возможности людей. Однако в настоящее время любой созданный искусственным интеллектом художественный образ нуждается в совершенствовании, поскольку в основе работы нейросетей лежит не биологический субстрат мыслительной деятельности творческого человека, а математические алгоритмы и аппаратная реализация. Представлены результаты эксперимента по применению голосового помощника в творческой деятельности дизайнера-конструктора одежды. Установлено, что для полноценной работы чат-бота в индустрии моды необходимо машинное обучение, а для синтезирования вариантов ответов виртуальных ассистентов важно расширять базы данных графических образов модной швейной продукции и их вербальных смыслоразличительных характеристик.

В статье рассматриваются задачи автоматизации распознавания и классификации спор папоротников семейства Pteridaceae с помощью компьютерного зрения. Для эффективного решения поставленных задач сформирована база данных, содержащая качественные снимки спор. Модель, обученная на снимках спор, будет являться эффективным инструментом для решения задач биосистематики и биоинформатики.

В статье рассматриваются задачи отладки автономной роботизированной системы. Для эффективного решения поставленной задачи разработана система сбора и визуализации данных с использованием стандарта AVS (Autonomous Visualization System). Разработанная система позволит эффективно исследовать и анализировать данные, получаемые во время работы автономной роботизированной системы

В последние годы искусственный интеллект (ИИ) стал ключевой технологией, применяемой в различных отраслях. В таможенном деле использование ИИ обещает существенное повышение эффективности и точности обработки документов. В данной статье будет рассмотрена предполагаемая работа искусственного интеллекта и предложения для успешной реализации такой системы.

В статье обсуждается перспектива преподавания элементов машинного обучения в старшей школе. Представлен обзор зарубежного опыта по изучению основ машинного обучения в школе. Предлагается система задач для элективного курса по машинному обучению для учащихся старших классов российских общеобразовательных школ. Осуществлен разбор пяти типовых задач спортивного программирования, которые являются авторской разработкой, при этом каждая задача имеет свой рейтинг по аналогии с предлагаемыми на известных ресурсах олимпиадного движения по информатике: CodeForces, LeetCode, AtCoder. Электив предназначен для школьников, которые уже имеют базовые знания в области программирования на языке Python 3, и состоит из трех модулей, которые ориентированы на различный уровень владения этим языком программирования. Учащийся имеет возможность повышать или снижать уровень прохождения курса. Элективный курс может быть реализован в системе Stepik. Обучение может осуществляться как в дистанционной форме, так и в форме смешанного обучения. Проверка программного кода заданий происходит автоматически. Рассмотрение теории и разбор задач осуществляются на интерактивной вычислительной платформе Jupyter Notebook.

В статье рассматриваются вопросы ознакомления обучающихся с основами искусственного интеллекта в процессе организации обучения программированию во внеурочной деятельности, а также возможности, предоставляемые средой программирования PictoBlox в процессе организации обучения программированию во внеурочной деятельности учащихся пятых и шестых классов. Приведен краткий обзор данной среды программирования, рассмотрен процесс создания проектов с использованием машинного обучения и искусственного интеллекта. Приведены примеры проектов, в которых используются элементы машинного обучения и искусственного интеллекта. Материалы статьи познакомят учителей информатики и педагогов дополнительного образования с основными методическими подходами к использованию среды программирования PictoBlox в образовательном процессе и будут способствовать организации занятий внеурочной деятельности с использованием данного программного обеспечения.

Интерес к нейронным сетям сегодня огромен. Нейросетями для решения своих задач пользуются и школьники, и студенты, и учителя. В соответствии с федеральным проектом «Искусственный интеллект» многие вузы включают в свои образовательные программы дисциплины по искусственному интеллекту и нейронным сетям, организуют курсы повышения квалификации для учителей по данной тематике. В статье рассматриваются основные подходы к обучению студентов педагогических специальностей нейросетям. Предлагается подход, основанный на изучении принципов работы нейросетей с помощью онлайн-сервисов для обучения моделей искусственного интеллекта. Приводится сравнение сервисов по функционалу и удобству использования. Описывается опыт изучения студентами направления подготовки 44.03.05 «Педагогическое образование (с двумя профилями подготовки)» процесса обучения нейронных сетей с помощью онлайн-сервиса Teachable Machine.

Изложенный в статье подход к изучению нейросетей может быть интересен учителям для организации учебной и внеурочной деятельности по знакомству школьников с работой нейросетей и организации проектной деятельности обучающихся с использованием нейросетей.

В статье рассказывается об использовании среды Jupyter Lab для развития навыков реализации методов машинного обучения у специалистов по информационной безопасности. Результаты дают представление о том, как среда Jupyter Lab может стать эффективным инструментом развития навыков специалистов по информационной безопасности, позволяя им выполнять анализ данных, разрабатывать и тестировать алгоритмы и модели, а также автоматизировать рутинные задачи по обеспечению безопасности. В качестве примера приведен анализ результатов решения задач бинарной и многоклассовой классификации вторжений в сетевой трафик с использованием набора данных UNSW-NB15.

В статье проанализирована эффективность использования различных моделей машинного обучения для предсказания спектральных свойств экзогенных флуорофоров, ключевых в диагностике онкозаболеваний. Исследуется применение алгоритмов ИИ для быстрого и экономически эффективного поиска новых флуорофоров, способствующих раннему выявлению рака. В статье оценивается эффективность различных моделей машинного обучения в предсказании свойств экзогенных флуорофоров, используемых в диагностике онкологических заболеваний. В работе исследуется применение алгоритмов искусственного интеллекта для быстрого поиска новых флуорофоров, способствующих раннему обнаружению рака. Особое внимание уделено оптической биопсии как неинвазивному методу исследования тканей для ранней диагностики патологий. В статье обобщаются данные из базы данных PubChem и GeoMcNamara и анализируются молекулярные свойства флуорофоров и их спектральные характеристики. Используя модели машинного обучения, такие как линейная регрессия, метод опорных векторов, случайный лес и XGBoost, получены результаты предсказания длины волны излучения для образцов флуорофоров. Результаты обучения и тестирования моделей свидетельствуют о высокой точности работы XGBoost и Random Forest. Исследование подчеркивает важность разработки эффективных флуорофоров для ранней диагностики рака и представляет модели машинного обучения в качестве инструментов для обработки и анализа данных в этой области, что позволяет акцентировать внимание на перспективности и применимости прогрессивных методов исследования в онкологии и медицинской химии.

В данной статье описывается процесс реализации такого метода машинного обучения, как рекомендательная система; рассматривается построение коллаборативной рекомендательной системы, в основе которой лежит алгоритм сингулярного разложения или сингулярной декомпозиции матрицы. Описаны процесс сбора тестовых данных, их обработки, а также обучение модели и её оценка согласно некоторым метрикам.

Рассматривается возможность применения такого метода машинного обучения, как деревья решений, для определения метеорологической дальности видимости на основе других погодных показателей (температура воздуха, атмосферное давление, относительная влажность, скорость и направление ветра, облачность, текущая погодаи др.). Описаны процесс сбора и обработки данных, а также обучение модели и её итоговая точностью.