Статья: ГЕНЕРАТОР ТИТУЛЬНЫХ ЛИСТОВ ОТЧЕТНОЙ ДОКУМЕНТАЦИИ (2024)

В работе рассмотрено решение задачи планирования «последней мили» на примере омского предприятия, занимающегося поставкой продовольственных товаров на собственные точки сбыта. В ходе решения задачи были выделены кластеры для определения зон доставки, построены оптимальные маршруты развозки продукции для каждого из них и построена имитационная модель. С помощью модели получена оптимальная последовательность обслуживания кластеров. Вычислительный эксперимент показал, что такой подход к решению задачи является перспективным.

В статье исследуется применение нейронных сетей для решения вариационных неравенств. Проведены эксперименты, в рамках которых разработаны архитектуры нейронных сетей разной сложности. Эти архитектуры успешно решают широкий спектр задач, включая системы уравнений и неравенств, а также вариационные неравенства. Более быстрые и точные методы решения вариационных неравенств могут существенно повысить эффективность вычислительных процессов и оптимизацию систем. Результаты экспериментов свидетельствуют о перспективности использования нейронных сетей в этой области и могут послужить основой для дальнейших исследований и разработок.

В данной статье рассматривается проблема оптимизации процесса обучения искусственных нейронных сетей с использованием генетических алгоритмов. Искусственные нейронные сети представляют собой одну из важнейших технологий в современном мире, однако их обучение требует значительных ресурсов. Для решения проблем, с которыми сталкиваются методы градиентного спуска, применяются генетические алгоритмы. В статье представлены две модификации генетических алгоритмов, направленные на улучшение сходимости моделей искусственной нейронной сети с помощью изменения функции приспособленности. Проведён сравнительный анализ эффективности алгоритмов в контексте обучения искусственной нейронной сети, который позволил оценить эффективность модификаций функции приспособленности и их влияние на процесс обучения искусственных нейронных сетей.

В данной статье рассматривается способ решения задачи матчинга в сфере обработки естественного языка при помощи ранжирующих моделей. В ходе проведения исследования был подготовлен размеченный набор данных, на основе которого обучена модель машинного обучения для решения задачи ранжирования; реализована персональная метрика оценки качества работы обученной модели. Качественное решение задачи матчинга средствами машинного обучения позволит минимизровать или исключить работу человека в процессе сопоставления объектов, схожих по своему смыслу, но различных по своему текстовому или признаковому описанию.

В статье рассмотрены существующие на данный момент технологические приспособления, представлен обзор мобильного приложения для контроля и обеспечения компенсации сахарного диабета, представлен обзор методов, применяемых в современной диабетологии, облегчающих контроль уровня глюкозы в крови и помогающих более точно и, соответственно, более эффективно подобрать терапию. Так, инновационные технологии открывают новые возможности диагностики и лечения диабета и расширяют границы медицинской помощи. Эта проблема актуальна ввиду большого количества больных и сложности процесса мониторинга для последующей корректировки уровня глюкозы в крови.

Данная статья нацелена на определение наиболее эффективной модели машинного обучения для кластеризации данных вибродиагностики. Исследование включает анализ различных моделей и методов, таких как k-means, Agglomerative Clustering, TimeSeriesKMeans и CatBoost. Цель состоит в выборе метода, способного наилучшим образом выявить структуру данных и улучшить понимание особенностей вибрационных сигналов. Результаты исследования могут быть полезны для разработки эффективных систем мониторинга и диагностики оборудования, а также для повышения надежности и производительности технических систем.