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