Любое препятствие преодолевается настойчивостью
Леонардо да Винчи
Главная
Новости
События
Фирмы
Библиотека
Ссылки
Журнал
Архив
Авторам
Реклама
Подписка
Темы
English
Связь с редакцией
Рассылка новостей
Ближайшие события
13.12.2023 - 15.12.2023
V Международный форум роботизации
Город:
С-Петербург
21.05.2024 - 23.05.2024
Точные измерения - основа качества и безопасности / MetrolExpo-2024
Город:
Москва
17.06.2024 - 20.06.2024
XIV Всероссийское совещание по проблемам управления
Город:
Москва
машинное обучение
Статьи
Автоматизация в промышленности, №4 2020
Производственные автоматизированные системы
Ицкович Э.Л.
Термины автоматизации и цифровизации предприятий технологических отраслей: их пояснение, содержание и практическое значение
Ключевые слова:
Industrial Internet of Things
,
Industry 4.0
,
виртуальная и дополненная реальность
,
глубокий анализ данных
,
искусственный интеллект
,
машинное обучение
,
предсказательная аналитика
,
цифровое предприятие
Автоматизация в промышленности, №9 2020
Обсуждаем тему: Цифровые двойники в промышленности
Дозорцев В.М.
Цифровые двойники в промышленности: генезис, состав, терминология, технологии, платформы, перспективы. Часть 1. Возникновение и становление цифровых двойников. Как существующие определения отражают содержание и функции цифровых двойников?
Ключевые слова:
Internet of Things (IoT)
,
большие данные
,
гибридное моделирование
,
киберфизические системы (КФС)
,
машинное обучение
,
метафора двойничества
,
фундаментальное моделирование
,
цифровая нить
,
цифровые двойники (ЦД)
Автоматизация в промышленности, №11 2020
Цифровые технологии для промышленных предприятий
Дозорцев В.М.
Цифровые двойники в промышленности: генезис, состав, терминология, технологии, платформы, перспективы. Часть 2. Ключевые технологии цифровых двойников. Типы моделирования физического объекта
Ключевые слова:
анализ данных
,
блокчейн.
,
виртуальная и дополненная реальность
,
гибридное моделирование
,
искусственные нейронные сети
,
искусственный интеллект
,
киберфизические системы
,
машинное обучение
,
моделирование на основе данных
,
промышленный Internet вещей
,
суррогатные модели
,
фундаментальное моделирование
,
цифровые двойники
Автоматизация в промышленности, №1 2021
Обсуждаем тему: Цифровые двойники в промышленности
Дозорцев В.М.
Цифровые двойники в промышленности: генезис, состав, терминология, технологии, платформы, перспективы. Часть 3. Прикладные платформы, практические примеры, прогнозы развития, вызовы
Ключевые слова:
анализ данных
,
большие данные
,
искусственный интеллект
,
киберфизические системы
,
машинное обучение
,
прикладные платформы
,
промышленный Internet вещей
,
рынок цифровых двойников
,
цифровые двойники
Автоматизация в промышленности, №4 2022
Применение средств автоматизации
Вагнер О.В.
Цифровой помощник сталевара на базе технологий компьютерного зрения и машинного обучения
Ключевые слова:
визуализация
,
выпуск стали
,
ИК камера
,
компьютерное зрение
,
машинное обучение
,
скачивание шлака
,
цифровой помощник сталевара
Автоматизация в промышленности, №7 2022
Обсуждаем тему: Цифровые двойники в промышленности
Дозорцев В.М.
Цифровые двойники в промышленной автоматизации – на пике моды или наступившее будущее?
Ключевые слова:
Internet of Things
,
«умное» производство.
,
«умный» город
,
анализ больших данных
,
визуализация ЦД
,
гибридное моделирование
,
имитационное моделирование
,
искусственный интеллект
,
кибер-физико-социальные системы
,
киберфизические системы
,
когнитивные ЦД
,
машинное обучение
,
сети передачи данных
,
суррогатные модели
,
ЦД
Автоматизация в промышленности, №12 2018
Об образовании и развитии наукоёмкого бизнеса в России в эпоху Industry 4.0
Дозорцев В.М.
,
Менн А.А.
,
Соркин Л.Р.
,
Тавберидзе Т.А.
Малый наукоёмкий бизнес в эпоху Industry 4.0
Ключевые слова:
BigData
,
Industry 4.0
,
бизнес-ангелы
,
венчурные фонды
,
инновации
,
малый наукоёмкий бизнес
,
машинное обучение
,
стартапы
,
цифровизация технологических процессов
Автоматизация в промышленности, №1 2022
Производственные автоматизированные системы
Миндлина О.И.
Прогнозирование показателя качества технологического процесса
Ключевые слова:
измерение
,
машинное обучение
,
прогнозирование качества
,
системы автоматического регулирования
,
физическая величина
Автоматизация в промышленности, №9 2020
Обсуждаем тему: Цифровые двойники в промышленности
Домингес Л.
,
Кортиновис А.
,
Меркангез М.
Искусственный интеллект для моделирования динамических технологических процессов
Ключевые слова:
автономные системы принятия решения
,
вариационный автокодировщик
,
машинное обучение
,
моделирование нейронные сети
,
цифровой двойник
Автоматизация в промышленности, №9 2018
Управление жизненным циклом изделий/объектов (PLM-системы)
Рысина В.Н.
Системы управления жизненным циклом продукции: технологии и перспективы развития
Ключевые слова:
PLM-система
,
машинное обучение
,
периферийные вычисления
,
цифровое послепродажное обслуживание оборудования
,
цифровой двойник
,
цифровой поток
Автоматизация в промышленности, №7 2022
Производственные автоматизированные системы
Черешко А.А.
Виртуальные анализаторы качества на основе цифровых моделей
Ключевые слова:
ассоциативный поиск
,
виртуальный анализатор
,
идентификация
,
машинное обучение
,
методы кластеризации
,
управление с прогнозирующей моделью
Автоматизация в промышленности, №12 2017
Обсуждаем тему: Industry 4.0 и PI System - логичный прогресс
Нагорный С.
Облачная платформа Microsoft Azure – движущая сила Industrial
Ключевые слова:
искусственный интеллект
,
когнитивные сервисы
,
машинное обучение
,
облачная платформа
,
прогнозирование
,
расширенная аналитика
Автоматизация в промышленности, №7 2018
Обсуждаем тему: О реализации принципов концепции Industry 4.0
Денисова Л.А.
,
Семенихин С.В.
Системы информационного поиска для Big Data: машинное обучение ранжированию на основе генетическиих алгоритмов
Ключевые слова:
генетический алгоритм
,
информационный поиск
,
кооперативная коэволюция
,
машинное обучение
,
оптимизация
,
ранжирование
Автоматизация в промышленности, №12 2019
Обсуждаем тему: Искусственный интеллект для промышленных предприятий
Крикунов Д.Э.
,
Кунчинин А.Н.
Как искусственный интеллект может увеличить добычу нефти на зрелых месторождениях
Ключевые слова:
добыча нефти
,
искусственный интеллект
,
машинное обучение
,
оптимальное управление
,
электроцентробежные насосы
Автоматизация в промышленности, №7 2021
Обсуждаем тему: Роботизация бизнес-процессов
Никулина И.В.
Об автоматизации бизнес-процессов с помощью роботов
Ключевые слова:
автоматизация бизнес-процессов с помощью роботов
,
бот
,
интеграция
,
ключевых показателей эффективности
,
машинное обучение
,
стратегия развития бизнеса
,
человеческий фактор
Автоматизация в промышленности, №12 2022
Применение средств автоматизации
Ивановский А.Н.
,
Черный С.Г.
Системы компьютерного зрения для автоматизации технологических процессов морской отрасли
Ключевые слова:
компьютерное зрение
,
машинное обучение
,
морская отрасль
,
распознавание изображений
,
технологические процессы
,
трекинг
Автоматизация в промышленности, №4 2023
Алгоритмическое и программное обеспечение
Полещенко Д.А.
,
Сергейчик М.С.
,
Цыганков Ю.А.
Разработка подсистемы прогнозирования содержания железа в железорудном концентрате на основе поагрегатных гибридных нейросетевых моделей
Ключевые слова:
глубокая нейронная сеть
,
горно-металлургическая промышленность
,
машинное обучение
,
прогнозирующая система
Автоматизация в промышленности, №10 2023
Алгоритмическое и программное обеспечение систем автоматизации
Горшенин А.Ю.
Формирование выборки исходных данных для машинного обучения модели краткосрочного прогнозирования электропотребления
Ключевые слова:
градиентный бустинг
,
деревья решений
,
машинное обучение
,
прогнозирование электропотребления
Автоматизация в промышленности, №11 2021
Информационная безопасность в промышленности
Буйневич М.В.
,
Израилов К.Е.
,
Матвеев В.В.
,
Покусов В.В.
Способ вариативной классификации уязвимостей в программном коде. Часть 1. Стратификация и категориальное деление
Ключевые слова:
адаптивная классификация
,
категориальный анализ
,
машинное обучение
,
программное обеспечение телекоммуникационных устройств
,
уязвимости программного кода
Автоматизация в промышленности, №1 2021
Производственные автоматизированные системы
Головенок И.А.
,
Курашкин С.О.
,
Тынченко В.С.
Автоматизированная система прогнозирования технологических параметров для электронно-лучевой сварки
Ключевые слова:
автоматизированное рабочее место
,
машинное обучение
,
поддержка принятия решений
,
прогнозирование
,
регрессия
,
технологический процесс
,
электронно-лучевая сварка
Автоматизация в промышленности, №3 2022
Алгоритмическое и программное обеспечение
Кабанов А.А.
Исследование методов машинного обучения в задаче классификации паттернов сигналов электромиографии на основе «сырых» данных
Ключевые слова:
классификация сигналов
,
машина опорных векторов
,
машинное обучение
,
электромиография
Автоматизация в промышленности, №4 2022
Информационная безопасность в промышленности
Буйневич М.В.
,
Израилов К.Е.
,
Покусов В.В.
,
Романов Н.Е.
Способ вариативной классификации уязвимостей в программном коде. Часть 2. Автоматизация на базе машинного обучения
Ключевые слова:
вариативная классификация
,
машинное обучение
,
программное обеспечение
,
прототип
,
уязвимости программного кода
,
эксперимент
Автоматизация в промышленности, №3 2023
Алгоритмическое и программное обеспечение
Власов Р.Г.
,
Коробов Ю.С.
,
Подоляк О.О.
Формирование графика выпуска технически сложной продукции с применением предварительно обученной нейронной сети
Ключевые слова:
испытания
,
машинное обучение
,
модель
,
нейронная сеть
,
планирование
,
прогноз
Автоматизация в промышленности, №11 2017
Обсуждаем тему: Автоматизация процессов логистики
Рысина В.Н.
Применение цифровых технологий в транспортно-логистических операциях
Ключевые слова:
автономные суда
,
машинное обучение
,
периферийные вычисления
,
прогнозный анализ
,
промышленный Internet
,
телематическая система
,
цифровой двойник
,
цифровые технологии
Автоматизация в промышленности, №2 2018
Обсуждаем тему: Современные реалии центров обработки данных
Аристова Н.И.
,
Чадеев В.М.
ЦОДостроение – перспективы развития
Ключевые слова:
виртуализация
,
искусственный интеллект
,
машинное обучение
,
облачные технологии
,
программно-определяемая память
,
системы хранения информации
,
ЦОД
,
энергоэффективность
Автоматизация в промышленности, №12 2018
Методы машинного обучения
Андрианова А.М.
,
Белозеров Б.В.
,
Буденный С.А.
,
Бухарев А.Ю.
,
Волков Н.А.
,
Маргарит А.С.
,
Цанда А.П.
Новые подходы в анализе геолого-геофизической информации на основе методов машинного обучения
Ключевые слова:
big data
,
PVT
,
анализ данных
,
ГИС
,
машинное обучение
,
шлифы
,
Экспертная система
Автоматизация в промышленности, №6 2021
Алгоритмическое и программное обеспечение систем автоматизации
Петухов В.А.
Генерация кода для тестирования компиляторов с использованием генеративно-состязательных сетей
Ключевые слова:
генеративно-состязательные сети
,
генерация кода
,
машинное обучение
,
тестирование компиляторов
Автоматизация в промышленности, №6 2022
Алгоритмическое и программное обеспечение систем автоматизации
Титкина М.С.
,
Черешко А.А.
Применение цифровых алгоритмов ассоциативного поиска для задач управления с прогнозирующей моделью
Ключевые слова:
ассоциативный поиск
,
идентификация
,
машинное обучение
,
методы кластеризации
,
управление с прогнозирующей моделью
Автоматизация в промышленности, №12 2021
События
Лауреаты премии IT Stars им. Георгия Генса в 2021 г.
Ключевые слова:
биометрическая идентификация
,
видеоаналитика
,
инновации
,
машинное обучение
,
нейронные сети
,
премия
,
транспорт
Автоматизация в промышленности, №6 2020
Обсуждаем тему: Системы хранения и обработки данных
Бабич Н.А.
О применении интерференционной нейронной сети для динамического анализа данных в реальном времени
Ключевые слова:
динамический анализ
,
интерференционная модель
,
машинное обучение
,
нейронные сети
,
обнаружение аномалий
,
операционные системы реального времени
,
персептрон
Последний вышедший номер
Читайте в номере:
Актуализация подмоделей процессов вторичной переработки нефти в модели планирования НПЗ с получением данных от виртуальных анализаторов на примере установки каталического риформинга
Применение базовых инструментов качества для устранения дефектов при производстве «вал-шестерни»
Сравнение методов линейного анализа трендов и двойного экспоненциального сглаживания для прогнозирования потребностей в лекарствах от хронических заболеваний
Датчик температуры с функцией оценки достоверности результата измерений на основе новой измерительной схемы термоэлектрического преобразователя
Рассылки
Subscribe.Ru
Автоматизация в
промышленности