Чув
Регистраци Кӗрӳ

Тӗп сӑмах тӑрӑх публикацисен списокӗ: «графовые нейронные сети»

  • Графовые модели структурных зависимостей в цифровых двойниках как инструмент повышения социально-экономической эффективности предприятий

    Конференци статья
    Стратегии устойчивого развития: социальные, экономические и юридические аспекты
    Автор:
    Олейникова Олеся Олеговна, Ступина Алена Александровна, Потапов Борис Васильевич
    рубрика:
    Вопросы социально-экономической эффективности предприятий
    Аннотаци:
    В статье рассмотрено применение графовых нейронных сетей для анализа структурных зависимостей в цифровых двойниках промышленных предприятий. Производственный процесс формализован как ориентированный гетерогенный граф; архитектура Graph Attention Network предсказывает вероятность каскадных отказов. На реальном датасете UCI AI4I 2020 показано преимущество подхода: F1 = 0,891, упреждение 2,4 производственного цикла, снижение ложных срабатываний на 16,3%. Обосновано влияние метода на социально-экономическую эффективность предприятий: сокращение незапланированных простоев, оптимизация ремонтов, устойчивость занятости.
    Тӗп сӑмахсем:
    Куҫ 

  • Графовые нейронные сети как инструмент прогнозирования академических рисков в образовательной среде: аналогия с цифровыми двойниками промышленных линий

    Конференци статья
    Педагогика, психология, общество: от теории к практике
    Автор:
    Черняева Полина Денисовна, Алмазова Екатерина Сергеевна, Панченко Вероника Юрьевна, Ступина Алёна Александровна
    рубрика:
    Цифровая трансформация образования
    Аннотаци:
    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 сопровождения.
    Тӗп сӑмахсем:
    Куҫ 

  • Искусственный интеллект на маршруте: как нейросети оптимизируют процессы логистики

    Конференци статья
    Социально-экономический ландшафт региона: человек и цифровая трансформация
    Автор:
    Ашуркина Дарья Сергеевна
    рубрика:
    Цифровое управление логистическими потоками
    Аннотаци:
    Актуальность исследования обусловлена экспоненциальным ростом объема перевозок в условиях развития электронной коммерции и урбанизации, что делает традиционные методы диспетчеризации, основанные на человеческом опыте и статических алгоритмах, недостаточно эффективными. В статье рассматривается проблематика внедрения технологий искусственного интеллекта, в частности нейросетевых моделей, в процессы оперативного управления логистическими маршрутами. Методологическую базу исследования составил анализ современных научных публикаций и отраслевых отчетов, посвященных применению графовых нейронных сетей, моделей пространственно-временного внимания, а также мультиагентных систем в логистике. В результате исследования систематизированы ключевые направления, где искусственный интеллект превосходит человека: обработка данных в реальном времени, учет множества динамических факторов (пробки, погода, срочность заказа), предиктивная аналитика и самообучение. Нейросети не просто автоматизируют рутину, а создают принципиально новый уровень управления – проактивный, способный предвидеть сбои и адаптировать маршруты быстрее и точнее, чем это способен сделать диспетчер в условиях информационной перегрузки.
    Тӗп сӑмахсем:
    Куҫ 

  • Машинное обучение на графах: эволюция методов анализа структурных данных в цифровую эпоху

    Конференци статья
    Образование, инновации, исследования как ресурс развития сообщества
    Автор:
    Трегубов Юрий Алексеевич, Алифиренко Алексей Игоревич, Сергеев Александр Эдуардович
    рубрика:
    Современные технологии в образовании
    Аннотаци:
    В статье исследуется становление и развитие методов машинного обучения на графах как самостоятельного направления искусственного интеллекта, возникшего на стыке теории графов, нейронных сетей и анализа сложных систем. С позиций историко-научного подхода прослеживается трансформация представлений об обработке структурированных данных с начала XXI в. до настоящего времени: от ранних алгебраических методов до современных архитектур графовых нейронных сетей (GNN). Анализируются ключевые концепции, такие как агрегация сообщений, механизмы внимания и встраивание вершин, в контексте их практического применения в социальных сетях, биоинформатике и городском планировании. Особое внимание уделяется парадигматическим сдвигам, обусловленным появлением фреймворков глубокого обучения, а также этическим и техническим вызовам, сопровождающим внедрение этих технологий. Показано, что машинное обучение на графах не только расширило границы анализа связанных данных, но и переосмыслило саму природу «структурной информации» в цифровую эпоху.
    Тӗп сӑмахсем:
    Куҫ