Список публикаций по ключевому слову: «машинное обучение»

В статье выносится на обсуждение вопрос о потенциальной роли искусственного интеллекта (ИИ) в регулировании гражданских процессуальных правоотношений, выявление его положительных и отрицательных сторон, а также рассмотрение перспектив внедрения ИИ в эту область. Для достижения поставленных целей автором проведен анализ работ, затрагивающих обозначенную тему, приведены мнения различных авторов, дано определение изучаемому явлению.

В статье выносится на обсуждение вопрос применения технологий искусственного интеллекта (ИИ) в сфере юриспруденции, в частности, в гражданском судопроизводстве, а именно о его месте в системе субъектов гражданских процессуальных правоотношений. Автором проведен анализ работ, затрагивающих обозначенную тему, приведены мнения различных авторов, дано определение изучаемому явлению.

Статья рассматривает значимость информационных технологий в развитии математики. Обсуждаются ключевые области влияния информационных технологий на современную математику, включая вычислительные методы, визуализацию, сотрудничество, машинное обучение и развитие новых математических областей.

В статье речь идёт о том, что в условиях современного бизнеса, характеризующегося стремительным технико-логическим прогрессом и меняющимися ожиданиями потребителей, актуальность различных аспектов бизнес-применения машинного обучения как одной из технологий "Индустрии 4.0" приобретает первостепенное значение.

В настоящее время наблюдается колоссальный рост количества цифровых данных, и, по данным экспертов, этот объем будет увеличиваться на 30–40% ежегодно. Объем данных, созданных в 2020 году, более чем в 3 раза превышает объем данных за 2015 год, и составляет 64 Зеттабайт (Зб). В 2022 году объемы всех данных, накопленных человечеством, составили примерно 97 Зб, а к 2025 году это число возрастет до 180 Зб. В связи с этим многие компании ищут новые способы, методы, автоматизированные системы по обработке таких данных. В статье рассмотрены платформы по обработке данных, которые позволят финансовым организациям выйти на новый уровень как по качеству оценки кредитоспобности, риск-менеджменту, так и по прибыли.

В статье рассмотрена роль нефтегазовой отрасли в экономике Казахстана, а также современные тенденции цифровой трансформации отрасли в стране, включающие такие технологии, как искусственный интеллект, большие данные, интернет вещей, машинное обучение и цифровой двойник.

Эффективное и заблаговременное прогнозирование банкротства компаний имеет важно значение для всех участников рынка. По мере развития информационного общества традиционные методы выявления банкротства становятся менее эффективными и более трудозатратными. Поэтому сочетание традиционных методов с современными моделями искусственного интеллекта может быть эффективно применено в современных экономических условиях. Основная цель данной статьи – оценить риск банкротства с помощью дерева решений, сравнить различные модели машинного обучения, определить наилучшую модель и соответствующий набор переменных для прогнозирования банкротства компаний.

В статье изложено обоснование цифровой трансформации экономики, в частности использования искусственного интеллекта (ИИ) в механизмах деятельности компаний РФ и за рубежом. Проведено исследование распространенности использования искусственного интеллекта. Автором рассмотрены существующие условия, а также предложены идеи для ускоренного внедрения технологий машинного обучения.

Статья рассматривает некоторые сложности и противоречия, возникшие вместе с другими изменениями, привнесенными последней серией инновационных волн, связанных c системами сбора и обработки информации, их последствиями для бизнеса и отношений между обществом и бизнесом.

В данной работе рассматривается один из методов детектирования лиц на изображении или в видеопотоке – алгоритм Виолы – Джонса.

В данной работе рассматривается один из способов применения нейронных сетей – использование в переводе с одного языка на другой. Автором представлена система, которая переводит английские тексты на испанский язык.

В данной работе рассматривается один из способов применения нейронных сетей – распознавание речи.

В данной статье рассмотрен пример использования нейронной сети для создания интеллектуального бота для игры 2048. Использована модифицированная версия генетического алгоритма, подобраны оптимальные параметры для достижения высоких результатов. Показано, что написанная программа может достигать лучших результатов, нежели среднестатистический игрок.

Данная статья посвящена вопросу машинного обучения, описаны области применения новых технологий, рассмотрены основные виды нейронных сетей и их применение в распознавании текста, системах управления и телекоммуникаций.

В данной статье предлагается обзор нового специализированного процессора Nervana NNP от компании «Intel», который предназначен для работы с системами искусственного интеллекта. В статье выяснены особенности и преимущества процессора, его предназначение.

В статье представлен общий подход к прогнозированию участков, на которых произойдёт разлив нефти в регионе c использованием модели черного ящика и алгоритмов адаптивного бустинга. Предложены подходы к формированию обучающей выборки и особенности работы с алгоритмом AdaBoost.

В статье представлен общий подход к базовой обработке текстов на естественном языке. Рассмотрен сценарий обработки исходно текста на русском языке для получения массива токенов, с которыми можно в дальнейшем работать как с классами.

В статье рассматривается один из методов машинного обучения – линейная регрессия.

В статье рассматривается способ реализации многослойной сети персептрона.

В статье рассматривается один из методов машинного обучения – нелинейная регрессия.

В данной исследовательской работе автором рассматривается один из методов машинного обучения – использование метрических классификаторов.

В данной работе автором рассматриваются один из методов машинного обучения – использование метрических классификаторов.

В данной работе рассматриваются один из методов машинного обучения – использование метрических классификаторов. Автором также представлены типы метрических алгоритмов.

В данной статье рассматриваются подходы, логика и целесообразность применение в бизнесе машинного обучения и больших данных и их влияние при принятии решений.

В настоящее время наблюдается колоссальный рост количества цифровых данных, и, по данным экспертов, этот объем будет увеличиваться на 30–40% ежегодно. Объем данных, созданных в 2020 году, более чем в 3 раза превышает объем данных за 2015 год, и составляет 64 Зеттабайт (Зб). В 2022 году объемы всех данных, накопленных человечеством, составили примерно 97 Зб, а к 2025 году это число возрастет до 180 Зб. В связи с этим многие компании ищут новые способы, методы, автоматизированные системы по обработке таких данных. В статье рассмотрены платформы по обработке данных, которые позволят финансовым организациям выйти на новый уровень как по качеству оценки кредитоспобности, риск-менеджменту, так и по прибыли.