Статьи

В работе приведен краткий теоретический обзор существующих подходов к решению задачи классификации намерений пользователей на основе текстовых сообщений. Предложен классификатор на основе текстового трансформера. Рассмотрены процессы обучения и использования модели. В рамках эксперимента обучено несколько демонстрационных вариантов классификатора для корпоративной диалоговой системы. Приведены показатели качества моделей в виде совокупности значений основных метрик и визуализаций, применяемых при оценке классификаторов

Исследуется задача оптимального управления линейно нагруженной системой обыкновенных дифференциальных уравнений с линейными граничными условиями. Получены необходимые условия оптимальности первого порядка, которые позволяют использовать эффективные методы первого порядка для численного решения исследуемой задачи. Приведены результаты решения тестовой задачи и их анализ.

В работе приведена работа алгоритма для построения тематического профиля проекта. Рассмотрены ключевые модели и методы решения задачи тематического моделирования, как одной из частей работы алгоритма. Выполнена и отлажена программная реализация всех его частей, проверено качество его работы с разными параметрами для получения наилучшего результата. Для самого алгоритма описаны его преимущества, существующее место его применения и возможные перспективы развития.

В процессе проведения исследования был разработан подход детекции фейковых новостей. Предложенный алгоритм состоит из: векторизатора на основе FastText, алгоритма кластеризации и набора полносвязных нейронных сетей. Алгоритм реализован на языке Python с использованием библиотек для машинного обучения, создано API с помощью фреймворка Flask. Программный комплекс развернут в сети интернет и доступен для пользователей.

Предлагается алгоритм пространственной регистрации изображений, основанный на анализе геометрического расположения меток. Он позволяет проводить поиск матрицы преобразования подобия между двумя изображениями, в том числе и из разных модальностей. Вычисления основываются на сопоставлении точек (меток), заранее отмеченных на обрабатываемых изображениях. Метки могут быть не упорядочены друг относительно друга и размечены как человеком, так и другим алгоритмом. Алгоритм может быть применён в случаях с сильно отличающимися регистрируемыми изображениями.

Разработан алгоритм обнаружения отклонений в работе установок. Изучены и протестированы различные методы распознавания дефектов. Предложенный алгоритм состоит из сбора и обработки данных, анализа и разметки, создания статистических моделей и моделей машинного обучения, сравнения их качества и построения моделей прогнозирования.

В работе приведен подход разбиения учебных дисциплин образовательного направления по тематическим областям с помощью машинного обучения. Предложен алгоритм кластеризации на основе векторного представления дескрипторных сущностей дисциплин. Выполнены процессы предобработки данных, обучения, подбора параметров и использования модели, проведены эксперименты с различными методами кластеризации. Представлен способ назначения названий для полученных областей. Проведен эксперимент на дисциплинах образовательного направления для проверки эффективности модели.

В работе проведен анализ существующих методов извлечения именованных сущностей из текстов на русском языке. Сформулированы эквивалентная задача классификации и правила разметки именованных сущностей. Предложены подходы, позволяющие повысить эксплуатационные качества классификаторов. Проведен численный эксперимент, в ходе которого обучено несколько моделей. Продемонстрированы преимущества использования предложенных подходов по отдельности и в совокупности.

Цель исследования - построить модель машинного обучения для декомпозиции текстовой формулировки компетенции. В данной статье рассматриваются методы представления компетенции как множества ключевых слов и терминов. Основное содержание исследования составляет анализ применения двух моделей: BERTopic и ARTM. Описываются основные этапы исследования: сбор и предобработка данных, обучение моделей, анализ и интерпретация результата. В заключении раскрываются преимущества и недостатки применения таких моделей, а также последующие направления исследования.

Работа посвящена анализу текущего состояния проектной деятельности в вузе и моделированию процесса запуска студентов первого курса в этот вид деятельности. Разработана учебная программа, содержащая необходимые материалы для реализации проектной деятельности. Подготовлены материалы для погружения обучающихся в теоретическую часть и предложена схема реализации программы, ориентированная на практическую подготовку студентов в рамках семестрового курса в вузе.

Предлагается подход к построению профессиональной траектории студента в рамках основной образовательной программы, учитывающий индивидуальные знания обучающегося. Алгоритм построения траектории основан на методах обучения с подкреплением, а именно, используется подход максимизации функции полезности на основе опыта, получаемого от интерактивного взаимодействия со средой. Разработана функция награды для оценки эффективности и степени вклада каждой образовательной сущности в достижение определенной профессии конкретным студентом. В ходе эксперимента установлено, что алгоритм позволяет выстраивать индивидуальную траекторию освоения профессии, которая может стать основой профессионального развития для каждого студента.

В работе рассматриваются общие методы пространственной регистрации изображений. Для улучшения качества добавляются границы на изображение. С помощью алгоритма масштабно-инвариантного преобразования объектов выделяются ключевые точки на изображениях. Путем гомографических преобразований получается совмещенное изображение. Приведены примеры работы алгоритма на медицинских данных. Производится сравнение базового алгоритма и алгоритма с добавлением границ на изображение.