Научный архив: статьи

Исследование сосредоточено на применении современных методов машинного обучения для анализа текстовых данных в контексте динамики идеологической поляризации в русскоязычных политических Telegramканалах в первой половине 2022 г. В работе предлагается подход к классификации текстовых сообщений по идеологической направленности – консервативной, либеральной и коммунистической, который позволит экономно использовать ресурсы исследователей.

На основе разработанного подхода был создан классификатор идеологической направленности на основе ChatGPT, который показал высокий уровень согласованности в ответах между человеком и большой языковой моделью при оценке идеологической направленности текста. Это свидетельствует о том, что предложенный подход позволяет уменьшить затраты ресурсов при проведении анализа текстовых данных.

На следующем этапе была проанализирована выборка из 559 популярных политических Telegram-каналов, в которых было опубликовано 50 тыс. сообщений на предмет динамики идеологической поляризации после начала специальной военной операции. Сравнивалось нескольких моделей: изменения распределения мнений, состава групп и изменения пропорциональности идеологических текстов внутри каналов. Был сделан вывод, что после начала специальной военной операции произошло изменение идеологической поляризации, которое проявилось в изменении конфигурации полюсов за счет усиления консервативных взглядов. При этом коммунистические взгляды практически не присутствуют в популярном Telegram-пространстве.

Работа не только фиксирует динамику идеологической поляризации, но и предлагает метод анализа сложных социально-политических процессов в русскоязычной онлайн-среде с использованием больших языковых моделей. Этот метод подходит как для изучения поляризации, так и для анализа других процессов на основе текстовых данных. Он значительно сокращает затраты на исследования, требующие большого числа экспертных оценок.

Усталостное разрушение является частой причиной поломки машин, в связи с чем расчеты деталей на сопротивление усталости являются одними из критически необходимых при создании сложных изделий машиностроения. Математическая модель усталостного растрескивания не до конца раскрыта ввиду сложности процесса и основывается на множестве экспериментальных данных. В связи с чем актуальной задачей является дальнейшее совершенствование и автоматизация данных расчетов для снижения трудоемкости и повышения точности проектирования. Одним из подходов к решению данной задачи является применение современных методов математической статистики и машинного обучения.

Расширение портфеля инструментов для управления финансами предприятия с целью повышения доходности вложений является актуальной задачей. В статье мы обсудили модель системы поддержки принятия торговых решений на финансовых рынках на основе вероятностного анализа и машинного обучения, которая может быть использована для ее решения. Целью работы является разработка и апробация модели системы поддержки принятия решений при совершении торговых операций с биржевыми финансовыми инструментами в рамках процесса управления финансами предприятия. Модель основана на технологиях машинного обучения, обеспечивающих получение больших объемов исходных данных, их первичную обработку, формирование многомерного пространства векторов признаков и его трансформацию. Метод прогнозирования рассмотрен на основе правила Байеса. Полученные байесовские вероятности собраны в гиперкуб, который используется для определения правил принятия торговых решений. Разработанная модель протестирована на исторических данных срочного рынка Московской биржи на примере фьючерса на индекс РТС в качестве основного инструмента для выполнения операций и фьючерса на курс доллара США к рублю в качестве вспомогательного инструмента, используемого для анализа. Для оценки результатов тестирования разработаны количественные метрики, включающие в себя количество и объем прибыльных и убыточных сделок, среднюю/средний прибыль/убыток в расчете на одну сделку. С их помощью проанализирована эффективность и границы применимости разработанной модели. Модель может быть реализована в виде программного HFT-робота, способного обеспечить вероятность получения прибыли, превышающую вероятность потерь. В качестве дальнейших шагов по развитию данной темы могут быть предприняты исследования механизмов формирования векторов признаков с помощью методов интеллектуального анализа данных.

Переход общества к цифровой экономике требует новых подходов к управлению бизнесом. В настоящее время традиционные подходы и технологии управления людьми претерпевают значительную трансформацию. В данной статье рассматриваются процессы цифровизации управления персоналом в ведущих международных компаниях, изучаются особенности управления с учетом применения современных высокотехнологичных средств. Цель данного исследования - проведение анализа практики применения цифровых технологий в системе управления человеческими ресурсами. Анализируется применение цифровых технологий на всех этапах управления человеческими ресурсами: планирование, набор, отбор, адаптация, обучение, оценка и управление карьерой. В настоящее время цифровые технологии являются неотъемлемым элементом механизма управления современной организации, одним из ключевых инструментов обретения конкурентного преимущества. Рациональное внедрение инструментов в систему управления человеческими ресурсами предоставляет возможность удовлетворить потребность компании в сотрудниках, которые обладают необходимыми знаниями и навыками. Впоследствии именно эти сотрудники обеспечивают компании устойчивым конкурентным преимуществом на рынке.

В статье представлен обзор применения подхода нейросетевого обучения для задач моделирования фазового состояния углеводородных систем. Определение состояния углеводородной системы в присутствии или отсутствии неуглеводородных компонентов в пластовых условиях необходимо при выполнении гидродинамических расчетов на многофазных моделях. Такие расчеты востребованы как при решении задач прогнозирования, так и адаптации моделей месторождений к фактическим данным разработки. Показано, что при настройке моделей на фактические данные точность воспроизведения лабораторных экспериментов в ряде случаев выше, чем при использовании уравнений состояния. Но в некоторых случаях применение нейронных сетей оказывается бесполезным. Для относительно «простых» флюидальных систем рост сложности использованного инструмента не дает прироста точности по сравнению с простыми регрессионными моделями. Другой проблемой является отсутствие рабочего инструмента, который позволил бы заменить в полной мере использование уравнений состояния для оценки состояния флюидальной модели при выполнении гидродинамических расчетов.

В данной статье рассмотрено внедрение больших данных в образовательную систему. Система образования продолжает создавать и собирать большое количество данных, и на сегодняшний день вопрос работы в системе с этими данными можно назвать одним из самых важных. Большие данные могут быть мощным инструментом для преобразования обучения, переосмысления способов, преодоления давних пробелов и накопления опыта для повышения эффективности самого процесса обучения.

Статья посвящена исследованию данных, источником которых послужила система управления обучением Moodle, применительно к автоматизации контроля успеваемости студентов на основе анализа цифровых следов.

Статья посвящена исследованию возможности использования современных компьютерных технологий для уменьшения травматизма населения и быстрого реагирования администрации города на опасные участки.

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