Ру
Регистрация Вход

Список публикаций по ключевому слову: «графовые нейронные сети»

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

    Статья в сборнике трудов конференции
    Стратегии устойчивого развития: социальные, экономические и юридические аспекты
    Авторы:
    Олейникова Олеся Олеговна, Ступина Алена Александровна, Потапов Борис Васильевич
    Рубрика:
    Вопросы социально-экономической эффективности предприятий
    Аннотация:
    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.
    Ключевые слова:
    устойчивое развитие, цифровой двойник, графовые нейронные сети, предиктивное обслуживание, эффективность предприятия, каскадные отказы
    Перейти 

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

    Статья в сборнике трудов конференции
    Педагогика, психология, общество: от теории к практике
    Авторы:
    Черняева Полина Денисовна, Алмазова Екатерина Сергеевна, Панченко Вероника Юрьевна, Ступина Алёна Александровна
    Рубрика:
    Цифровая трансформация образования
    Аннотация:
    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.
    Ключевые слова:
    индивидуализация обучения, социальная адаптация, образовательная аналитика, цифровые двойники, графовые нейронные сети, академические риски
    Перейти 

  • Искусственный интеллект на маршруте: как нейросети оптимизируют процессы логистики

    Статья в сборнике трудов конференции
    Социально-экономический ландшафт региона: человек и цифровая трансформация
    Автор:
    Ашуркина Дарья Сергеевна
    Рубрика:
    Цифровое управление логистическими потоками
    Аннотация:
    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.
    Ключевые слова:
    искусственный интеллект, предиктивная аналитика, нейросети, графовые нейронные сети, оптимизация маршрутов, управление логистическими потоками, мультиагентные системы, динамическая маршрутизация, последняя миля, цифровизация логистики
    Перейти 

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

    Статья в сборнике трудов конференции
    Образование, инновации, исследования как ресурс развития сообщества
    Авторы:
    Трегубов Юрий Алексеевич, Алифиренко Алексей Игоревич, Сергеев Александр Эдуардович
    Рубрика:
    Современные технологии в образовании
    Аннотация:
    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.
    Ключевые слова:
    глубокое обучение, машинное обучение на графах, графовые нейронные сети, анализ сетевых структур, встраивание вершин, алгоритмы агрегации
    Перейти