В статье рассмотрена актуальная проблема уязвимости технологий искусственного интеллекта на основе нейронных сетей в задаче распознавания образов. Показано, что применение нейронных сетей порождает множество уязвимостей. Приведены конкретные примеры таких уязвимостей: некорректная классификация изображений, содержащих вредоносный шум или заплатки, отказ распознающих систем при наличии на изображении особых узоров, в том числе нанесенных на объекты реального мира, отравление обучающей выборки и др. На основе проведенного анализа показана необходимость улучшения безопасности технологий искусственного интеллекта и даны предложения, способствующие этому улучшению
Предмет. Прогнозирование значений спредов доходности на первичном рынке корпоративных облигаций стран БРИКС. Выборка включает в себя облигации из всех стран БРИКС. Исследование проводилось на данных по облигациям компаний реального сектора экономики.
Цели. Выбрать подходящую конфигурацию искусственной нейронной сети и список входных переменных (экономических показателей) для прогнозирования спредов доходности. Проверить способность полученной нейронной сети прогнозировать спреды доходности корпоративных облигаций на данных по странам БРИКС и по России в частности.
Методология. Исследование проводилось на двух не связанных между собой наборах данных, полученных из разных источников. В первый набор данных входят только российские рублевые корпоративные облигации. Во второй - облигации компаний из всех стран БРИКС. Вначале была выбрана конфигурация нейронной сети, позволяющая получать приемлемые прогнозы на данных по России. Далее как на данных по России, так и на данных по странам БРИКС отбирались модели (списки независимых переменных), позволяющие получить наиболее точные прогнозы. Прогнозирование осуществлялось следующим образом: вначале нейронная сеть обучалась на данных за пять лет, затем на данных за шестой год строился прогноз. После построения прогноза оценивалось качество получаемого прогноза.
Результаты. В модели, рассчитываемой на наибольшем числе наблюдений и не учитывающей особенностей компании эмитента, для ~75% наблюдений ошибка прогноза не превышает 200 базисных пунктов. В остальных моделях результаты еще лучше.
Выводы. Выбранный способ прогнозирования применим на данных как по России, так и на данных по странам БРИКС.
Рассмотрен подход к контролю процесса аддитивной печати с помощью сверточных нейронных сетей. Исследовано влияние набора данных и архитектуры на качество нейронной сети.
Рассмотрено применение аппарата искусственных нейронных сетей в задаче обнаружения и разрешения сигналов цели и уводящей помехи. Показано, что данную задачу в контексте машинного обучения можно свести к задаче обработки временных последовательностей. Приведены результаты обучения и сопоставительного анализа ряда соответствующих нейросетевых архитектур.
С развитием цифровизации традиционные методы анкетирования потребителей с целью оценки степени их удовлетворённости качеством услуг уступают место подходу, основанному на автоматической обработке текстовых массивов социальных медиа. Целью работы является определение степени удовлетворённости качеством медицинских услуг пациентов посредством разработки и апробации алгоритма классификации русскоязычных текстовых отзывов, извлечённых из социальных медиаресурсов. Интерес представляет определение тональности отзывов пациентов (положительный/отрицательный) о работе медицинских учреждений и врачей, а также объекты обращения отзыва - качество оказанных медицинских услуг или организация обслуживания пациентов медицинским учреждением. Разработан метод классификации текстовых отзывов о работе медицинских учреждений, размещённых пациентами на двух сайтах отзывов о врачах в России. Проанализировано около 60 тысяч отзывов. Апробированы методы машинного обучения с использованием различных архитектур искусственных нейронных сетей. Разработанный алгоритм классификации имеет высокую эффективность - лучший результат показала архитектура на основе рекуррентной нейронной сети (показатель точности = 0.9271). Применение метода поиска именованных сущностей к текстовым сообщениям позволило повысить эффективность классификации для каждого из классификаторов, базирующихся на использовании нейронных сетей. Для повышения качества классификации требуется семантическое разбиение отзыва по объекту обращения и тональности и последующий учёт полученных фрагментов отдельно друг от друга.
данная статья посвящена оценке достаточности имеющихся данных для факторного анализа с целью создания формулы плановой потребности в рамках годовой заявки с целью снижения трудовых затрат персонала. Для реализации использовался язык программирования C# и средства Microsoft Excel. В наборе данных рассматриваются такие данные, как численность льгото- получателей региона, страдающих сахарным диабетом, среднегодовое изменение такой численности, количество получаемого препарата, половой состав пациентов, страдающих диабетом, их возрастной состав и количество пациентов, разделенных на три группы по количеству льготных категорий: с одной категорией, двумя категориями и тремя и более категориями. В работе используются упрощения, не оказывающие существенного влияния на получаемые значения в силу специфики предметной области. Полученные результаты указывают на перспективность реализации данного метода, планируется создание и обучение нейронной сети для формирования более точных формул расчета плановой потребности. Также сделан вывод о необходимости изучить вопрос автоматизированного создания модели для факторного анализа с целью проверки качества текущей модели. Для позиций, имеющих достаточный объем данных для обучения нейронной сети, эффективно предсказывающей плановую потребность, имеет смысл использовать ее, а не рассматриваемое решение.
Рассматривается ряд аспектов, связанных с минимизацией рисков, снижающих конкурентоспособность компании. Отмечаются некоторые методы и средства, позволяющие оптимизировать циркулирующие в ней динамические контурные потоки.
В настоящей работе произведено сравнение эффективности модели машинного обучения регрессора k-соседей и модели классификатора k-ближайших соседей в задаче предсказания состояния трансформаторного оборудования с использованием данных, которые были сняты системой мониторинга трансформатора.
Предмет исследования: силовые трансформаторы.
Цель исследования: выявление наилучшей модели в задаче классификации состояния трансформаторного оборудования.
Объект исследования: система диагностики трансформаторного оборудования.
Методы исследования: анализ, компьютерное моделирование.
Основные результаты исследования: были получены данные об эффективности моделей с разными параметрами, но все регрессионные модели показали результат хуже, чем модель классификатора.
Предложена концепция биоморфного нейропроцессора, реализующего аппаратную импульсную нейросеть для традиционных задач обработки информации, а также для воспроизведения работы кортикальной колонки мозга или её фрагмента. Аппаратная нейросеть построена на основе оригинальных биоморфных программной и электрической моделей нейрона. Представлены электрические схемы, топология и нанотехнология изготовления основных узлов аппаратной части нейропроцессора: запоминающей и логической матриц, входного и выходного устройств, построенных на основе комбинированного мемристорно-диодного кроссбара и обладающих высокими интеграцией элементов и энергоэффективностью по сравнению с известными нейропроцессорами и отдельными матрицами. Приведены результаты SPICE-моделирования и аппаратного тестирования процессов обработки сигналов в режимах: сложения выходных импульсов нейронов в запоминающей матрице; их маршрутизации на синапсы других нейронов в логической матрице, скалярного умножения матрицы чисел на вектор, а также ассоциативного самообучения. Впервые продемонстрирована генерация новой ассоциации (нового знания) в изготовленном мемристорно-диодном кроссбаре в отличие от ассоциативного самообучения в существующих аппаратных нейросетях с синапсами на базе дискретных мемристоров.
В статье приведен обзор существующих систем управления БПЛА, методов и способов применения нейронных сетей в задачах управления, навигации и распознавания. Рассмотрены методы и способы совершенствования существующих систем управления позиционирования БПЛА в том числе с помощью нейронных сетей (искусственного интеллекта).