Ступина Алёна Александровна

в статье обосновывается экономическая целесообразность перехода от статических моделей прогнозирования энергопотребления к адаптивным системам потокового машинного обучения (Online Learning) с детекцией концептуального дрейфа (Concept Drift). Показано, что внедрение инкрементальных алгоритмов (Adaptive Random Forest, ADWIN) в контур управления предприятием позволяет снизить операционные издержки (OPEX) на электроэнергию за счет предиктивного сглаживания пиковых нагрузок. Эмпирические данные подтверждают снижение среднеабсолютной ошибки (MAE) на 29% и задержку обновления моделей менее 2 мс, что...

в статье анализируется влияние технологий синтеза данных и доменной адаптации (Domain Adaptation) на структуру рынка цифрового труда и барьеры входа для инновационных стартапов. Показано, что использование физически точных виртуальных сред (NVIDIA Isaac Gym) в сочетании с состязательными нейросетями (DANN) позволяет достичь точности классификации редких событий в 87,1% без привлечения ручного труда разметчиков. Обосновывается тезис о том, что синтетические данные становятся новым экономическим активом, способствующим демократизации ИИ, снижению эксплуатационных рисков и трансформации профессии...

обосновывается перенос методологии графовых нейронных сетей (ГНС), апробированной на датасете UCI AI4I 2020 для предиктивного обслуживания промышленных линий, на задачу анализа академических рисков обучающихся. Производственная линия формализуется как ориентированный гетерогенный граф, а Graph Attention Network (GAT) прогнозирует вероятность «каскадных сбоев» с F1 = 0,891 и упреждением в 2,4 цикла. Проводится педагогическая интерпретация результатов: узлы графа соответствуют образовательным модулям, а рёбра – логическим и мотивационным зависимостям, что создаёт основу для индивидуализации сопр...