Научный архив: статьи

Процесс прогнозирования цен на недвижимость включает в себя анализ множества факторов, которые могут варьироваться от экономических до социальных. Важной задачей является то, каким образом алгоритмы машинного обучения могут быть адаптированы для обработки различных видов данных, таких как историческая информация, рыночные тренды, данные о расположении и характеристиках объектов, а также внешние факторы, такие как состояние экономики или законодательные изменения.

В статье проведен обзор и анализ существующих технологий оценки усталости водителя (субъективные методы самооценки, физиологические методы, методы на основе измерения физических показателей, поведенческие методы, использование систем, регистрирующих режим работы и отдыха водителя). Выявлены достоинства и ограничения применения существующих методов. Рассмотрены методы машинного обучения, обоснована возможность их применения с целью разработки алгоритмов оценки усталости водителя.

Разведка на основе открытых источников (OSINT) является краеугольным камнем современного аудита информационной безопасности и операций красных команд (red teaming), обеспечивая выявление цифровых активов организации с использованием общедоступных данных. Однако существующие инструменты OSINT часто генерируют избыточное количество ложноположительных результатов при попытке связать IP-адреса и доменные имена с искомыми организациями. В статье предлагается система фильтрации на основе методов машинного обучения, существенно снижающая уровень ложных срабатываний в выборках, полученных с использованием OSINT. Система формирует высокоразмерные векторы признаков на основе данных WHOIS, метаданных DNS, SSL-сертификатов и содержимого веб-страниц. С использованием ансамблевого классификатора на основе градиентного бустинга достигается высокая точность атрибуции при сохранении устойчивости к разнообразным типам инфраструктуры. Эксперимент проведен на более чем 30 000 реальных цифровых объектов, собранных от семи организаций, и показал значительное повышение точности атрибуции, подтверждая практическую применимость предлагаемого подхода для обеспечения информационной безопасности.

Традиционные методы гидрологического прогнозирования, основанные на линейных зависимостях между снегозапасами, осадками и стоком, часто демонстрируют недостаточную точность, особенно в условиях изменчивого климата и экстремальных гидрометеорологических явлений. В данной статье проведен анализ эффективности классических подходов на примере реки Пур (пос. Самбург), который выявил значительные погрешности в прогнозах слоя стока (до 27 %), объема половодья (до 29 %) и максимальных расходов воды (до 105 %). Эти результаты подчеркивают ограниченность существующих методов и необходимость внедрения современных технологий.

В качестве альтернативы рассмотрено применение нейросетевых моделей, способных учитывать нелинейные взаимосвязи. Нейросети продемонстрировали высокую точность прогнозирования с погрешностью 5 см для максимальных уровней воды. Их ключевые преимущества включают адаптивность к новым данным и устойчивость к аномальным условиям.

Результаты исследования подтверждают, что нейросетевые методы могут быть успешно использованы в оперативной практике для улучшения гидрологических прогнозов. В статье также предложены рекомендации по внедрению гибридных подходов, сочетающих физико-статистические модели с машинным обучением, и развитию автоматизированных систем мониторинга. Переход к технологиям искусственного интеллекта представляет собой важный шаг в повышении надежности прогнозов и минимизации рисков, связанных с половодьями и другими гидрологическими явлениями.

В статье рассматривается возможность изучения субъективного благополучия на основе анализа качественных данных - биографических текстов старшеклассников. Представлены результаты реконструкции основных компонентов благополучия в соответствии с концепцией К. Рифф. Продемонстрирован потенциал методов обработки естественного языка и машинного обучения для создания модели классификации и кодирования текстовых фрагментов, репрезентирующих основные компоненты субъективного благополучия.

Рассматриваются вопросы обучения студентов современным численным методам как базы для более качественного освоения технологий искусственного интеллекта. В частности, затрагиваются вопросы теоретической и практической подготовки обучающихся для освоения методов анализа данных и машинного обучения. В статье обобщается опыт работы авторов по преподаванию отдельных тем дисциплины «Численные методы», касающихся численного решения оптимизационных задач, которые непосредственно связанны с машинным обучением. Полученные при изучении указанных тем компетенции позволят студентам более осознанно изучать технологии машинного обучения и использовать для выполнения прикладных проектов в области искусственного интеллекта. Предлагаются рекомендации по модификации рабочей программы дисциплины «Численные методы» для совершенствования образовательного процесса.

В данной статье исследуется развитие этичных и прозрачных алгоритмов в автоматизированных системах рекрутмента. Рассматриваются этапы эволюции этих систем, анализируются требования и их влияние на проектирование алгоритмов. В работе приведены примеры использования. Освещаются вопросы объяснимости и прозрачности в автоматизированных решениях, приводятся примеры как можно добиться этого различными способами и методами. Также обсуждаются методы создания этичных алгоритмов и приводятся влияния реальных примеров успешных кейсов их внедрения. В дополнении к этому также приводятся контрпримеры иллюстрирующие то, как алгоритмы могут негативно влиять на процесс найма, дискриминировать отдельные группы лиц. Приведены причины данной предвзятости искусственного интеллекта.

В связи с этим статье также отмечена дискуссия в сторону ограничения применения автоматизированных систем на основе искусственного интеллекта. Кроме того, в статье приводятся примеры того, как такие автоматизированные системы влияют на бизнес: позволяют удерживать сотрудников, улучшает их лояльность и повышает конкурентное преимущество компаний.

В статье подчеркивается значимость междисциплинарного подхода и сотрудничества с экспертами в области права, этики и управления человеческими ресурсами. При этом отдельное внимание уделяется необходимости соответствия нормативным требованиям, таким как «Общий регламент по защите данных», которые направлены на обеспечение прозрачности и объяснимости автоматизированных систем принятия решений.

Прогнозируются будущие направления развития, отмечаются перспективы, включая применение новых технологий, для повышения точности и справедливости решений.

Язвенные гастродуоденальные кровотечения продолжают оставаться серьезной проблемой современной медицины. Для определения типа язвенного кровотечения общемировое признание получила эндоскопическая классификация J. Forrest, 1974, определяющая тактику лечения пациентов с кровоточащими гастродуоденальными язвами. Способность правильно классифицировать тип кровотечения зависит, прежде всего, от опыта врача-эндоскописта. С развитием технологий искусственного интеллекта связаны большие ожидания в совершенствовании диагностики и лечении хирургических заболеваний. В настоящей статье рассматривается возможность разработки алгоритма распознавания типа язвенного кровотечения по эндоскопическим изображениям с использованием моделей машинного обучения и его интеграция в экспертную систему поддержки принятия врачебных решений. В ходе настоящего исследования разработана первая отечественная нейросетевая классификация, позволяющая с 75,56 % точностью определять тип язвенного гастродуоденального кровотечения. Разработанный алгоритм распознавания типа язвенного кровотечения интегрирован в мобильное приложение в качестве инструмента помощи в принятии врачебных решений, что в перспективе позволит улучшить качество диагностики и оказания медицинской помощи пациентам с желудочно-кишечными кровотечениями язвенной этиологии.

Целью данного исследования является определение основных финансовых показателей потенциального банкротства средних и крупных российских горнодобывающих и производственных компаний на основе методов машинного обучения, а также определение пороговых значений для этих показателей, позволяющих измерить степень риска корпоративного банкротства.

Методология: выборка включает данные о 3624 компаниях за период с 2013 по 2022 год и состоит из 32613 наблюдений за фирмами за год. На первом этапе исследования используется метод случайного леса для выявления наиболее значимых переменных, влияющих на риск банкротства компаний. На втором этапе исследования применяется метод дерева классификации для формулирования количественных критериев, определяющих степень риска банкротства компаний на основе ранее выявленных показателей.

Выводы: определены основные финансовые показатели риска банкротства российских компаний горнодобывающей и обрабатывающей промышленности. Наиболее значимыми показателями, влияющими на риск банкротства для всей выборки данных, являются показатели рентабельности (чистая прибыль/продажи, операционная прибыль/продажи от продаж) и объем оборотного капитала. Анализ промышленных подвыборок позволил нам определить пороговые значения этих показателей для моделей прогнозирования банкротства, апробированных на разных временных периодах.

Оригинальность и вклад: мы расширяем результаты предыдущих исследований по прогнозированию банкротства российских компаний, использующих методы машинного обучения, применяя эти методы к большой выборке российских производственных и горнодобывающих компаний за длительный период времени в 10 лет и проводя межотраслевое сравнение. Кроме того, в нашей статье эмпирически исследуется возможность прогнозирования банкротства российских предприятий с различным количеством лет до этого, т. е. одна, две, три и четыре года. Исследование показывает, что наиболее точные прогнозы делаются только в течение одного–двух лет, предшествующих событию банкротства.

Проблема своевременного выявления болезней сахарной свёклы остаётся актуальной для агропромышленного комплекса. Церкоспороз (Cercospora beticola Sacc.) способен снижать урожайность и сахаристость корнеплодов более чем на 30–40%. Целью исследования являлась разработка и апробация алгоритмов автоматизированной детекции церкоспороза на основе данных беспилотного мониторинга и методов машинного обучения.

Исследования проведены в 2024 г. на опытном поле сахарной свёклы площадью 25 га в Республике Башкортостан. Для сбора данных использовался беспилотное воздушное судно (БВС) DJI Phantom 4 Multispectral. Получены ортофотопланы и рассчитаны вегетационные индексы (NDVI и др.). Для анализа применялись алгоритмы Random Forest и нейросетевая модель U-Net с энкодером ResNet34. Классификация проводилась на основе размеченных выборок, включая здоровые и поражённые растения.

Регулярный БВС-мониторинг позволил выявить динамику развития болезни в течение вегетационного периода. Нейросетевая модель U-Net обеспечила точность распознавания очагов поражения до ~90%, что превысило результаты метода Random Forest (75–80%). Сформированы тематические карты распределения болезней, позволяющие количественно оценить степень поражённости растений. К началу сентября заражённость листьев церкоспорозом достигла ~52% площади листового аппарата.

Полученные результаты подтверждают высокую эффективность применения методов глубокого обучения для анализа данных БВС. Разработанные алгоритмы обеспечивают раннюю диагностику заболеваний, формирование оперативных карт фитосанитарного состояния и могут быть интегрированы в системы точного земледелия. Практическая значимость заключается в повышении эффективности защиты растений и обосновании дифференцированных обработок, что способствует снижению затрат на СЗР и сохранению урожайности.

Актуальность и цели. В условиях современного здравоохранения возрастает потребность в эффективных методах анализа биомедицинских изображений для диагностики заболеваний. Настоящее исследование направлено на разработку системы анализа текстуры биомедицинских изображений, которая использует различные подходы для выявления структурных различий между объектами.

Материалы и методы. В работе применяются методы анализа локальных распределений пикселей, Фурье-преобразования и фракталов. Для оценки информативности текстурных признаков используются классификатор «случайный лес» и методы уменьшения размерности и кластеризации, реализованные в библиотеке Scikit-learn. Экспериментальные данные включают изображения клеток костного мозга, КТ-снимки и новообразования кожи.

Результаты. Результаты экспериментов показывают, что для классификации изображений клеток крови костного мозга наиболее информативными являются признаки на основе матрицы пространственной смежности и Фурье-преобразования. Для КТ-изображений новообразований кожи также выявлены эффективные текстурные признаки, достигающие f1 метрики до 0,93.

Выводы. Разработанная система позволяет эффективно анализировать текстуру биомедицинских изображений и предоставляет инструменты для автоматизированной оценки характеристик опухолей, что может значительно повысить точность диагностики. Дальнейшие исследования будут направлены на расширение функционала системы и улучшение методов визуализации данных.

В статье освещается педагогический потенциал искусственного интеллекта в преподавании иностранного языка. Приводится определение искусственного интеллекта, указываются перспективные направления его использования в образовании. Особое внимание в исследовании уделяется достоинствам и недостаткам применения отдельных технологий искусственного интеллекта в обучении иностранному языку. Обучение на больших объемах данных и обработка естественного языка позволяют оказать положительное воздействие на результаты обучения и мотивацию студентов. Достоинством технологий искусственного интеллекта является интенсификация изучения иностранного языка студентами с получением мгновенной обратной связи при экономии времени преподавателя. Появляется возможность создания персонализированной траектории обучения, предоставления студентам материала, соответствующего их потребностям. Преподаватели могут легко дополнять основной учебный материал, а также перекладывать часть рутинной деятельности на искусственный интеллект. Ограничивающими факторами выступают отсутствие когнитивного сознания и эмоций у искусственного интеллекта, недоступность отдельных технологий, значимость социального взаимодействия, проблема защиты конфиденциальности. Существующие ограничения современных технологий предопределяют необходимость их совмещения с традиционными методами обучения, трансформации форматов заданий, изменения ролей преподавателя и студентов в образовательном процессе. Педагог должен быть осведомлен об особенностях искусственного интеллекта, корректировать неточности, контролировать учебные материалы, обучать студентов критическому осмыслению работы с искусственным интеллектом. Результаты проведенного опроса демонстрируют интерес педагогов к технологиям искусственного интеллекта в преподавании иностранного языка.