Список публикаций по ключевому слову: «концептуальный дрейф»
-
Адаптивные модели онлайн-обучения как инструмент психолого-педагогического мониторинга в цифровой образовательной среде
Статья в сборнике трудов конференции
Педагогика, психология, общество: от теории к практике- Авторы:
- Олейникова Олеся Олеговна, Панченко Вероника Юрьевна, Супрун Елена Владимировна, Кукарцев Владислав Викторович
- Рубрика:
- Цифровая трансформация образования
- Аннотация:
- Обосновывается перенос аппарата потокового машинного обучения с детекцией концептуального дрейфа (ADWIN, Adaptive Random Forest) из задач адаптивного энергоменеджмента в задачу непрерывного психолого-педагогического мониторинга состояния обучающихся. Показано, что инкрементальные ансамбли снижают погрешность прогнозирования на 22–34% и выявляют смену поведенческого режима в среднем за 12,3 наблюдения, что создает основу для своевременной педагогической поддержки.
- Ключевые слова:
- психолого-педагогическое сопровождение, онлайн-обучение, цифровая образовательная среда, концептуальный дрейф, адаптивные модели, обучающая аналитика
-
Адаптивный энергоменеджмент на основе потокового машинного обучения как фактор повышения экономической устойчивости предприятий
Статья в сборнике трудов конференции
Актуальные вопросы экономики, права и социологии- Авторы:
- Черняева Полина Денисовна, Ступина Алёна Александровна, Журавлёв Михаил Владиславович
- Рубрика:
- Основные аспекты экономической теории, теории экономических процессов, экономической истории
- Аннотация:
- 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 обеспечивает готовность технологии к внедрению на периферийных (Edge) устройствах.
- Ключевые слова:
- предиктивная аналитика, экономика предприятия, энергоменеджмент, ESG-трансформация, потоковое машинное обучение, концептуальный дрейф, операционные издержки