Sofia A. Shiriaeva

проблема дефицита учебных ситуаций «длинного хвоста» (редких, опасных и экстремальных производственных событий) решается с помощью генерации синтетических данных в физически точных виртуальных средах. Методы доменной адаптации (визуальная рандомизация, DANN со слоем инверсии градиента) обеспечивают перенос навыков с тренажёра на реальную деятельность: сбалансированная точность 87,1% без реальных размеченных примеров. Обсуждаются последствия для разработки программ профессионального образования.

на основе метода структурно-функционального проектирования распределённых систем промышленного интернета вещей (Industrial Internet of Things, IIoT) синтезирована пятиуровневая архитектура «умного кампуса»: сенсорный слой, коммуникационный слой, периферийные вычисления, облачные вычисления и прикладной уровень. Формализовано отображение потоков данных на аналитические задачи с учётом ограничений по задержке и ресурсам. Обсуждается интеграция модулей машинного обучения в архитектуру на этапе проектирования, что обеспечивает адаптивность, масштабируемость и ресурсоэффективность образовательной и...