Мошенничество с банковскими картами является распространенной и усугубляющейся проблемой в финансовом секторе, требующей инновационных решений для точного и эффективного обнаружения. Традиционные методы обнаружения мошенничества, во многих случаях эффективны, но сегодня они сталкиваются с масштабируемостью и сложностью современных схем мошенничества. Недавние достижения в области квантовых вычислений открыли новые пути для решения этих проблем. В статье представлен квантовый анализ потоков транзакций (QTF A) – инновационная квантовая методология для улучшения обнаружения мошенничества с банковскими картами. QTFA использует принципы квантовой механики, такие как суперпозиция, запутанность и квантовая оптимизация, для моделирования и анализа потоков транзакций в квантовой сети. Представляя транзакции как квантовые состояния, а их отношения как запутанности, QTFA обеспечивает точное обнаружение аномалий с помощью квантовых измерений. Экспериментальные результаты показывают, что QTFA превосходит классические методы машинного обучения, такие как случайные леса и опорные векторные машины (SVM), достигая 98-процентной точности (accuracy), 10-процентного снижения ложных срабатываний и улучшенной полноты (recall). В статье также рассматривается интеграция QTFA в реальные системы, подчеркивается ее потенциал для революционных изменений в обнаружении мошенничества, а также определяются текущие ограничения и направления будущих исследований.
Глобальная характеристика структуры предпочтения лица, принимающего решение (ЛПР), играет важную роль при решении практических задач выбора. На ее основе исследователь может объективно сократить число альтернатив, в дальнейшем предъявляемых ЛПР, и тем самым повысить эффективность процедур выбора.
В настоящее время в исследованиях, относящихся к указанной области, имеется единственный пример информации, которую можно отнести к глобальной характеристике структуры предпочтения: упорядочение критериев по важности. Однако отсутствуют процедуры получения от ЛПР такой информации и сами понятия “критерий а важнее критерия b” и “критерий а равноценен критерию b” имеют в разных ситуациях разную трактовку.
В настоящей работе предлагается глобальная характеристика структуры предпочтения для задач выбора с одним ЛПР в предположении, что структура предпочтения ЛПР может быть описана некоторой функцией, удовлетворяющей аксиомам рационального выбора.
Logical-probabilistic machine learning (LPML) is an AI method able to explicitly work with a priori knowledge represented in data models. This feature significantly complements traditional deep learning knowledge acquiring. Object ontologies are a promising example of such a priori models. They are an expanded logical analog of object oriented programming models. While forming the core of the bSystem platform, object ontologies allow solving the applied problems of high complexity, in particular, in the field of management. The combination of LPML and object ontologies is capable of solving the forecasting problems, the tasks of automated control, problem detection, decision making, and business process synthesis. The proximity of object ontologies to the LPML formalism due to the same semantic modeling background makes it possible to integrate them within a single hybrid formal system, which is presented in this paper. In the paper we introduce the approach to integration of these two formalisms and provide some algorithmic basis for the implementation of the resulting hybrid formalism on the bSystem platform.
Использование искусственного интеллекта и цифровых технологий расширяет возможности искусствоведов и реставраторов, предлагая новые подходы к сохранению объектов культурного наследия и работе с ними. В статье представлен обзор мирового опыта применения цифровых решений для выполнения сложных реставрационных задач, связанных с восстановлением, идентификацией и реконструкцией произведений искусства и архитектуры. Особое внимание уделено проектам, получившим широкую известность за пределами реставрационной сферы. Среди них реконструкции фрагментов «Ночного дозора» Рембрандта, цифровая реконструкция фрагментов «Тайной вечери» Леонардо да Винчи и восстановление цветов «Факультетских картин» Густава Климта. В этих проектах алгоритмы искусственного интеллекта представили итоговое изображение утраченных элементов, которые были весьма близки к достоверным.
Упомянут такой проект, как «Следующий Рембрандт», который продемонстрировал широкой публике способность искусственного интеллекта к глубокому анализу авторского стиля и его интерпретации. Раскрыт принцип применения нейросетей в реставрационной практике для обнаружения ранних изображений, скрытых под более поздними красочными наслоениями на примере исследования створок Гентского алтаря братьев ван Эйк. Также рассмотрены проекты британского стартапа Oxia Palus, совмещающие в себе способности нейросетей к анализу авторского стиля и обнаружению оригинального изображения под слоями краски, на примере картин Пабло Пикассо и Винсента Ван Гога.
В статье подчеркивается важность междисциплинарного подхода, объединяющего искусствоведов, археологов и инженеров, как в проекте RePAIR, направленном на воссоздание артефактов из древних Помпей. Представлен пример успешного применения технологий 3D-сканирования в археологических исследованиях, таких как цифровые реконструкции памятников архитектуры в Пальмире и Мосуле.
Продемонстрированы такие значимые успехи в расшифровке античных текстов, как исследование свитков из Геркуланума с использованием томографического сканирования и алгоритмов машинного обучения. Помимо этого, высказываются предположения о возможностях в области сохранения культурного наследия, которые способны обеспечить дальнейшее совершенствование и интеграцию алгоритмов в реставрационные процессы.
В работе описывается метод построения графа знаний по телекоммуникационным данным на основе проприетарных и эталонных моделей, используемых в области телекоммуникаций. В качестве эталонных рассматриваются модели, входящие в фреймворк, разработанный консорциумом TM Forum. Граф знаний проприетарных моделей предлагается строить с помощью автоматизированной обработки лог-файлов автотестов и таблиц БД биллинговой системы. Актуальность применения графов знаний обусловлена их структурированностью и семантичностью, а также возможностью последующего применения алгоритмов машинного обучения для генерации рекомендаций по оптимизации телекоммуникационных процессов и систем. Предложено применение метода на основе подхода многошагового рассуждения для создания интерпретируемых рекомендаций по восстановлению отсутствующих связей, путём их прогнозирования в проприетарном графе знаний. Предложенный метод рассматривает многошаговое рассуждение как задачу ответа на вопрос с использованием обработки естественного языка. Применение разработанного решения на основе нейросетевой архитектуры трансформера обеспечило интерпретируемые результаты с сохранением значений метрик, по сравнению с аналогами.
В статье представлены результаты социологического исследования, цель которого - выявить социально ориентированные маркеры необходимости регулирования искусственного интеллекта (ИИ) в профессиональной среде. Гипотеза исследования заключается в том, что осознание необходимости регулирования ИИ внутри профессионального сообщества позволяет говорить о необходимости регулирования ИИ со стороны общества в целом и социальных наук в частности. В заключении сделан вывод о том, что только комплексный подход, основанный на экспертном мнении профессионалов, позволит сделать регулирование объективным, непредвзятым и прозрачным для всех сторон.
В статье исследуется влияние предварительного использования фильтра Калмана на качество обучения автоэнкодеров при обработке изображений с коррелированным шумом. Цель исследования заключается в сравнении эффективности применения фильтра Калмана с традиционными методами фильтрации, такими как медианный фильтр и фильтр Гаусса, в контексте предварительной обработки изображений. Для эксперимента использовались изображения с искусственно добавленным коррелированным шумом.
Методология включала настройку параметров фильтра Калмана для оптимального удаления коррелированного шума, а также применение медианного и Гауссового фильтров для сравнительного анализа. Оценка качества фильтрации проводилась с использованием индекса структурного сходства (SSIM) и пикового соотношения сигнал/шум (PSNR). Результаты эксперимента показывают, что фильтр Калмана значительно снижает уровень коррелированного шума, улучшая качество изображений и повышая точность обучения автоэнкодеров. Это подтверждает эффективность применения фильтра Калмана для предварительной обработки изображений и обеспечивает более чистые данные для последующих этапов машинного обучения. Результаты исследования подчеркивают важность выбора подходящих методов цифровой фильтрации шума для повышения производительности нейронных сетей.
Современные требования к специалистам из сферы здравоохранения давно вышли за рамки непосредственно медицины. Использование современных технических средств приводит к ситуации, когда медик должен максимально быстро адаптироваться к условиям развития информационных технологий. Необходимость помимо профессиональной деятельности развиваться в смежных областях, получение опыта в таких направлениях, как информационные технологии или телемедицина [1, с. 68], приводят к постоянному повышению когнитивной нагрузки, вследствие чего снижается качество и оперативность принимаемых врачебных решений.
В рамках данной статьи будет рассмотрена проблема визуального анализа медицинских данных, а также предложены решения для снижения когнитивной нагрузки аналитика при проведении первичной обработки и анализа слабоструктурированных медицинских данных. Для решения поставленных задач предложен метод визуализации медицинских данных, предназначенный для снижения когнитивной нагрузки и, как следствие, рисков профессионального выгорания у медиков.
Представленный в статье программный модуль получен в рамках этапа разработки программного комплекса, необходимого для решения задачи повышения качества и оперативности принятия медицинских решений.
В работе рассматриваются вопросы разработки информационной системы для тренинга самопознания. Определены средства разработки, требования к ним, разработаны основные компоненты системы, получены тестовые результаты.
В статье рассматривается проблема прогнозирования деятельности агента исходя из текстового описания задачи и визуального анализа среды. Предложено обновление подходов классической когнитивной архитектуры, позволяющее применять её в реальной среде. Разработано дополнение семиотического метода символьного обозначения авторским нейросетевым механизмом связывания векторов текстового и визуального пространств. Проведен ряд экспериментов с полученной моделью в комплексной среде эмулятора вождения автомобиля.