Научный архив: статьи

Гидрогели представляют собой трехмерные полимерные сетки, в которых узлами выступают химические или физические сшивки между макромолекулами. В настоящее время гидрогели на основе полиакриламида являются перспективными материалами для изготовления тканеимитирующих фантомов мягких биологических тканей. Ключевое преимущество таких гидрогелей — возможность регулирования их механических свойств за счет варьирования концентрации сшивателя, т. е. числа сшивок, что позволяет имитировать характеристики различных органов и тканей. Однако подбор концентрации сшивателя для создания фантомов с заданными характеристиками представляет собой сложную задачу, требующую значительных временных и вычислительных ресурсов. Алгоритмы машинного обучения могут определять корреляцию между концентрацией сшивки и параметрами упругости полученного гидрогеля. На основе двух алгоритмов “случайный лес” реализована модель машинного обучения, способная прогнозировать механические свойства тканеимитирующих фантомов. Алгоритмы обучены на основе синтетических данных, полученных в результате проведения численных экспериментов на индентирование в лицензионном программном обеспечении для конечно-элементного анализа ANSYS Workbench (Ansys Inc., США), с применением как линейно-упругой модели поведения материала, так и гиперупругих неогуковской модели и модели Муни — Ривлина, а также на данных натурных экспериментов. Предсказания валидированы с помощью тестовых данных, составивших 30 % всего массива данных и не использованных в обучении алгоритмов, а также на результатах натурных экспериментов Работа выполнена в рамках государственного задания НИЦ “Курчатовский институт”

Способность больших языковых моделей справляться с интеллектуальными задачами является крайне важным навыком в различных средах, для которых требуется принимать решения на основе общедоступной информации. В обучении с подкреплением, особенно в мультиагентном, независимо от сложности среды, крайне важно на основе простых действий достигать значимых результатов, которые с точки зрения ретроспективы могли казаться невыполнимыми. Рассмотрена возможность использования большой языковой модели Mistral-7B Instruct-v0.3 для применения в задаче мультиагентного обучения с подкреплением. Разработан метод взаимодействия с Large Language Model (LLM) для использования рассуждения большой языковой модели для задачи планирования и распределения действий. Проведена оценка рефлексии большой языковой модели в результате действий, которые обозначены как необходимые для достижения поставленной в среде цели. Реализуемый трансфер знаний из LLM позволяет использовать успешные подходы для задач мультиагентного обучения с подкреплением в среде мира-сетки. Выполнено экспериментальное сравнение алгоритмов машинного обучения, которые могут эффективно взаимодействовать с предоставляемой им информацией, полученной в результате взаимодействия с большой языковой моделью. Предлагаемый метод позволяет встроить в обучение мультиагентной системы структуру рассуждения LLM

Представлены результаты комплексного анализа методов квантования, направленных на оптимизацию моделей машинного обучения для развертывания в условиях ограниченных ресурсов TinyML. Рассмотрены различные схемы квантования, включая равномерное, логарифмическое и обученное квантование и оценено их влияние на производительность разных нейросетевых архитектур, таких как MobileNetV1/V2, ResNet-50, ShuffleNetV2 и Mamba. Результаты экспериментов показывают, что переход от 32-битных чисел с плавающей запятой к 8-битным целочисленным представлениям позволяет уменьшить размер моделей в 4 раза, при этом потеря точности составляет менее 2 %. Гибридные схемы смешанной точности демонстрируют оптимальный баланс между степенью сжатия и сохранением точности. Измерения, проведенные на платформе STM32U5, подтверждают значительное снижение энергопотребления (в 4,3 раза) при использовании 8-битного квантования. Предложены практические рекомендации по выбору оптимальных схем квантования в зависимости от аппаратных ограничений и специфики решаемой задачи. Обозначены перспективные направления дальнейших исследований, в частности, интеграция алгоритмов обучения с подкреплением для динамического выбора битности и разработка методов аппаратно-программной ко-оптимизации для отечественных микроконтроллеров (К1879ВГ1Т)

В работе представлены возможности совместного использования методов машинного обучения и агенториентированного моделирования для анализа и сценарных прогнозов с целью снижения влияния дестабилизации торговых потоков на продовольственную безопасность России в условиях усиления санкционного давления. Авторами предложена концептуальная схема программно-аналитического комплекса для прогнозирования показателей агропродовольственных цепей поставок. Полученные результаты исследования могут стать основой социально-экономической мультиагентной модели для решения вопросов обеспечения продовольственной безопасности. Применение предложенных решений в ситуационных центрах страны может способствовать противодействию внешним угрозам и обеспечения национальной безопасности России.

В статье описан подход к повышению качества автоматического патентного поиска уровня техники, решающий проблему недостаточной эффективности существующих систем. Подход основан на автоматическом формировании терминологического вектора запроса из текста заявки с последующим его расширением квазисинонимами из дистрибутивного тезауруса, построенного на корпусе патентных документов, и обогащением библиографическими данными - кодами Международной патентной классификации (МПК). Дана математическая формализация формирования и расширения вектора запроса, описано построение дистрибутивного тезауруса патентной лексики. Предложены оригинальные показатели оценки качества поиска, учитывающие специфику патентных документов - наличие так называемых «патентных семейств», что позволяет оценивать способность системы находить релевантные изобретения, а не только совпадающие номера документов. Эксперименты на русскоязычной и англоязычной коллекциях показали повышение показателя S@20 на 10% по сравнению с базовым поиском по ключевым словам, продемонстрировано влияние учета патентных семейств на оценку успешности результатов поиска. Независимая экспертная оценка поисков в русскоязычной коллекции патентных документов подтвердила, что система находит хотя бы один релевантный документ в 96,25% случаев. Разработанные алгоритмы внедрены в поисковую платформу Роспатента.

В статье исследуется трансформация процесса управления ассортиментной матрицей в розничной торговле под влиянием технологий искусственного интеллекта и машинного обучения. Центральной проблемой, рассматриваемой в работе, является противоречие между необходимостью поддержания широкого ассортимента для удовлетворения спроса и минимизацией связанных с этим операционных издержек. Автор проводит анализ современных подходов к оптимизации, включая применение предиктивной аналитики для прогнозирования спроса, динамического ценообразования и автономного пополнения запасов. На основе обзора практик ведущих ритейлеров и рыночных данных предлагается концептуальная модель внедрения, интегрирующая технологические решения с организационными изменениями. Доказано, что комплексное использование алгоритмов машинного обучения позволяет не только снизить затраты на хранение и логистику на 1520%, но и повысить общую рентабельность за счет более точного соответствия ассортимента потребительским предпочтениям. Статья адресована исследователям в области менеджмента и практикам розничной торговли.

В статье рассматривается проблема низкой эффективности традиционных методов менеджмента в сфере жилищного строительства и обосновывается необходимость перехода к дата-центричному управлению.

Целью исследования является разработка концептуального подхода к интеграции технологий искусственного интеллекта (ИИ) в систему принятия управленческих решений девелоперских компаний. В работе использованы методы системного анализа, моделирования бизнес-процессов и экспертной оценки. Автором проанализирован мировой и отечественный опыт применения нейросетевых алгоритмов и машинного обучения на различных этапах жизненного цикла инвестиционно-строительного проекта.

Основным результатом исследования стала классификация управленческих функций, подлежащих автоматизации посредством ИИ, а также выявление барьеров внедрения. Научная новизна заключается в предложении модели «гибридного интеллекта» в строительном менеджменте, где рутинные и прогнозноаналитические задачи делегируются алгоритмам, а стратегические и этические аспекты остаются прерогативой человека.

Сделан вывод о том, что внедрение ИИ позволяет перейти от реактивного типа управления к предиктивному, снижая риски срыва сроков и перерасхода бюджета.

В статье представлены основные понятия искусственного интеллекта (ИИ), методов машинного анализа и машинного обучения. Показаны основные возможности использования в библиотеках и информационных центрах чат-ботов СhatGPT, GigaChat, «Алиса» в качестве помощников при подготовке переводов зарубежных публикаций, кратких обзоров статей и т. п. Рассмотрена возможность включения чат-бота на сайт для оказания пользователям первичной поддержки, в том числе в нерабочее время. В статье представлена информация о применении ИИ при систематическом обзоре литературы. Сокращается количество публикаций в процессе отбора, экономится время. Показаны перспективы использования ИИ для повышения точности ответа на поисковые запросы в автоматизированных библиотечных системах и для дальнейшего развития служб личного кабинета читателя. Реализация личного кабинета позволит получать персонифицированные подборки статей, патентов и новостных обзоров по тематике исследований, подбирать наиболее подходящие для публикации ресурсы. Для корректного функционирования всей системы предлагается разрабатывать систему оценки полученного материала и качества предоставляемых услуг. На основе этой системы и запрошенных материалов рассматривается создание собственной аналитической и рекомендательной системы для определения направления дальнейших исследований и разработок. Несмотря на недостаточный уровень развития технологий, невозможность полной замены человека, высокие материальные затраты на внедрение и др., методы и алгоритмы ИИ, машинного обучения и анализа уже сейчас позволяют автоматизировать ряд процессов обработки информации, выявлять закономерности и тенденции, а также предсказывать потребности пользователей. Это открывает новые возможности для развития и совершенствования предоставляемых услуг в библиотеках и информационных центрах.

Тематическая классификация научных публикаций улучшает навигацию в потоке научной литературы, обеспечивает возможность библиометрического анализа, разноуровневой оценки результативности научных исследований. Универсальный характер повестки устойчивого развития ООН, внимание к целям устойчивого развития (ЦУР), значимость научных исследований, направленных на их достижение, а также комплексный и многоаспектный характер ЦУР обеспечивают высокий интерес к проблеме соотнесения научных публикаций и ЦУР со стороны библиографов, наукометрического сообщества, международных н аучных баз данных ( МНБД). В Web of Science, Scopus, Dimensions, а также у отдельных групп исследователей приняты различные подходы к классификации статей о ЦУР, каждый из которых имеет сильные и слабые стороны. Разница в результатах классификации требует анализа и совершенствования подходов и методов. Развитие технологий генеративного искусственного интеллекта и больших языковых моделей открывает новые возможности тематической классификации научных текстов, в том числе в разрезе ЦУР ООН. Цель исследования - анализ методов классификации, используемых для отнесения научных публикаций к ЦУР, демонстрация применимости для этой задачи больших языковых моделей на примере ChatGPT.

Геополитическая напряженность и финансовая нестабильность меняют требования к капитализации розничных банков во многих странах. В банковской отрасли оптимизация проведения кампаний телемаркетинга является одним из ключевых вопросов операционной деятельности розничных банков, учитывая их растущую потребность в увеличении прибыли и сокращении затрат. Методы машинного обучения с использованием программы Python позволяют оценить результаты кампании розничных банков, направленной на привлечение клиентов к новым продуктам, и тем самым снизить издержки, связанные с поиском новых и удержанием старых клиентов. Регрессионный анализ показал, что наиболее влиятельными факторами для приобретения нового продукта банка — открытие депозитного вклада — являются продолжительность контакта с клиентом, а также дата контакта с клиентом. Статистический анализ данных позволил определить портрет потенциального клиента банка

Исследование посвящено сравнению подходов к прогнозированию уровня индекса потребительских цен (ИПЦ г/г) в регионах Приволжского федерального округа с использованием эконометрических моделей временных рядов и методов машинного обучения. В статье предпринята попытка выбрать наиболее подходящие и эффективные модели для прогнозирования регионального индекса общего уровня цен. Исследование включает использование комбинированного подхода, который основан на сочетании как эконометрических моделей, так и методов машинного обучения. Полученные результаты свидетельствуют о том, что модели машинного обучения обеспечивают более стабильные и точные прогнозы, чем эконометрические модели — особенно на длительных периодах прогнозирования (6 и более месяцев). Однако для ряда регионов мы нашли доказательства эффективности эконометрических моделей временных рядов на краткосрочном периоде — для нескольких регионов различные спецификации расширенных моделей авторегрессии работают лучше, чем подход, основанный на моделях машинного обучения, при прогнозировании на 1 и 3 месяца. Результаты комбинированного подхода сопоставимы с прогнозами моделей машинного обучения и чаще обеспечивают более точный прогноз на 12 и 24 месяца. Проведенное исследование показало, что не удалось обнаружить устойчивого эффекта региональных особенностей в результатах прогнозирования, вызванного спецификой региона, а именно волатильностью инфляции, структурой экономики региона

Введение. Целью статьи является изучение возможности интеграции семиотических подходов и методов машинного обучения для автоматизированного анализа тональности текстов (Sentiment-анализа). Sentiment-анализ текста является популярным направлением лингвистики на стыке с компьютерными науками и анализом данных. Новизна работы заключается в попытке интерпретации результатов машинного обучения с опорой на содержание текстов отзывов как знаковых систем, выявляя их лексические, синтаксические и прагматические характеристики.

Методология и источники. Исследование опирается как на фундаментальные основы семантики, синтактики и прагматики, так и на современные подходы к автоматизации обработки текстовой информации и применению математических методов для обоснования речевых явлений. Материалом исследования послужил свободно распространяемый набор данных отзывов на кинофильмы с платформы IMDB. В качестве инструмента автоматизации применяется система KNIME для анализа данных в парадигме «No-coding» (без кодирования). В статье представлен рабочий поток, включающий этапы предобработки данных, построения моделей классификации, а также оценки их эффективности, предложена лингвистическая интерпретация ошибок автоматической классификации отзывов.

Результаты и обсуждение. Результаты демонстрируют высокую точность классификации (до 92,0 %) и способность алгоритмов выявлять ключевые лексические и синтаксические маркеры, формирующие эмоциональную окраску текста. Исследование расширяет границы традиционной семиотики, интегрируя методы машинного обучения и анализа больших данных, а также подчеркивает практическую ценность использования KNIME в задачах обработки естественного языка.

Заключение. В статье дается детализированное описание алгоритма автоматизации Sentiment-анализа отзывов на кинофильмы с учетом преимуществ и потенциальных сложностей такого подхода для интерпретации текста. Перспективы дальнейших исследований включают применение предложенных методов к многоязычным корпусам и анализу мультимодальных данных, что открывает новые возможности для изучения знаковых систем в условиях цифровой коммуникации. Предложенная методика может найти применение в коммерческой сфере для выявления настроений пользователей товаров, услуг, приложений, книг, фильмов и т. д., что повышает интерес к лингвистической науке, а именно к автоматическому анализу тональности или Sentiment-анализу.