Книга станет хорошим подспорьем как начинающему, так и опытному пчеловоду, поможет правильно организовать работу на любительской пасеке.
Robust quantification of predictive uncertainty is a critical addition needed for machine learning applied to
weather and climate problems to improve the understanding of what is driving prediction sensitivity. Ensembles of ma-
chine learning models provide predictive uncertainty estimates in a conceptually simple way but require multiple models
for training and prediction, increasing computational cost and latency. Parametric deep learning can estimate uncertainty
with one model by predicting the parameters of a probability distribution but does not account for epistemic uncertainty.
Evidential deep learning, a technique that extends parametric deep learning to higher-order distributions, can account for
both aleatoric and epistemic uncertainties with one model. This study compares the uncertainty derived from evidential
neural networks to that obtained from ensembles. Through applications of the classification of winter precipitation type
and regression of surface-layer fluxes, we show evidential deep learning models attaining predictive accuracy rivaling stan-
dard methods while robustly quantifying both sources of uncertainty. We evaluate the uncertainty in terms of how well the
predictions are calibrated and how well the uncertainty correlates with prediction error. Analyses of uncertainty in the
context of the inputs reveal sensitivities to underlying meteorological processes, facilitating interpretation of the models.
The conceptual simplicity, interpretability, and computational efficiency of evidential neural networks make them highly
extensible, offering a promising approach for reliable and practical uncertainty quantification in Earth system science
modeling. To encourage broader adoption of evidential deep learning, we have developed a new Python package, Machine
Integration and Learning for Earth Systems (MILES) group Generalized Uncertainty for Earth System Science (GUESS)
(MILES-GUESS) (https://github.com/ai2es/miles-guess), that enables users to train and evaluate both evidential
Множественность трактовки понятия «искус-
ственный интеллект» привела к необходимости его
осмысления для задач развития современных систем
вооружений. В статье предложен общий подход по-
иска путей интеграции и пересечения возможностей
современных ключевых технологий искусственного интеллекта и требований к созданию новых образцов вооружений. Подход демонстрируется на примере формирования облика и характеристик перспективных робототехнических систем военного назначения
В статье рассмотрена актуальность и необходимые условия внедрения в комплексы воен-
ного назначения с разноспектральными датчиками систем технического зрения программно-аппа-
ратных средств автоматического распознавания объектов вооружения, военной и специальной
техники (ВВСТ). Приведены результаты анализа возможностей обучения нейронных сетей автоматическому распознаванию объектов. Показана необходимость создания отечественного межвидового банка данных оптических и радиолокационных сигнатур объектов ВВСТ
Представлены результаты разработки дистанционного курса по мето-
дам искусственного интеллекта в физике в системе управления обучением MOODLE.
Общая трудоёмкость дистанционного курса по методам искусственного интеллекта в
физике составляет две зачётные единицы. Описаны тематические модули курса по ме-
тодам искусственного интеллекта в физике. Представлено описание элементов в виде
лекций, семинаров, заданий, тестов в каждом тематическом модуле курса по методам
искусственного интеллекта в физике в системе управления обучением MOODLE
В монографии изложены концептуальные основы и методы
представления знаний в системах искусственного интеллекта.
Рассмотрены различные подходы, применяемые при проектировании и
разработке интеллектуальных систем и технологий в транспортном
комплексе, а также рассмотрены тенденции развития систем
искусственного интеллекта.
Монография может быть использована для формирования
профессиональной компетентности студентов высших учебных заведений,
кадров высшей квалификации и научных сотрудников обучающихся и
ведущих научные исследования в области разработки и практического
применения систем искусственного интеллекта по укрупнённой группе направлений подготовки 09.00.00 – «Информатика и вычислительная техника»
Обсуждаются перспективы развития фотоники, показана значимость и актуальность проведения
исследований в данной области. Раскрыт потенциал, которым обладает фотоника при ответе на
социально-экономические вызовы цифровой трансформации. Продемонстрированы возможности,
открывающиеся при внедрении устройств на основе фотоники в различных технических системах,
предназначенных для повышения безопасности среды обитания и качества жизни человека. Рас-
смотрены структуры и устройства на базе фотоники для таких ключевых приложений как спек-
троскопия, аналоговые оптические вычисления, оптические нейронные сети. Указаны возможные
приложения фотонных сенсоров и спектрометров нового типа, раскрыты их назначение и конку-
рентные преимущества. Рассмотрены сверхточные компактные фотонные спектрометры различ-
ных конфигураций. Обсуждаются преимущества аналоговых вычислителей перед традиционными
электронными устройствами. Рассмотрены структуры нанофотоники, предназначенные для вы-
числения дифференциальных и интегральных операторов, показаны решения для задачи выделе-
ния контуров на изображении. Проанализирована концепция реализации искусственного интел-
лекта на платформе фотоники в виде оптических нейронных сетей. Рассмотрены структуры, со-
стоящие из последовательности дифракционных элементов и основанные на принципе Гюйгенса-
Френеля, а также структуры, состоящие из волноводов, взаимодействующих по принципу интерферометров Маха-Цендера. Приведена оценка мирового рынка фотоники, которая показывает, что
фотоника прочно займѐт своѐ место в индустрии будущего
Книга Я. И. Перельмана знакомит читателя с отдельными вопросами астрономии, с её замечательными научными достижениями, рассказывает в увлекательной форме о важнейших явлениях звёздного неба. Автор показывает многие кажущиеся привычными и обыденными явления с совершенно новой и неожиданной стороны и раскрывает их действительный смысл.
Задачи книги — развернуть перед читателем широкую картину мирового пространства и происходящих в нём удивительных явлений и возбудить интерес к одной из самых увлекательных наук, к науке о звёздном небе.
Я. И. Перельман умер в 1942 г. во время блокады Ленинграда и не успел выполнить своё намерение написать продолжение этой книги.
Кто не знает имени Нильса Бора? Крупнейший ученый современности, блистательный соратник Резерфорда и Эйнштейна, один из основоположников ядерной физики, создатель и общепризнанный глава Института теоретической физики, сплотивший вокруг себя выдающихся ученых из различных стран.
С его яркой биографией, с историей его гениальных открытий, с его полной драматизма борьбой против фашизма и за мирное использование атомной энергии знакомит читателя эта книга. Основываясь на личных воспоминаниях авторитетных ученых, убедительно документированная, написанная живо и интересно, она, несомненно, привлечет внимание самой широкой аудитории.
Книга известного американского физика Р. Оппенгеймера состоит из конспектов лекций, прочитанных автором в 1962 году. Она включает три раздела: «Пространство и время», «Атом и поле», «Война и нации». В книге интересно и своеобразно изложены принципы теории относительности и квантовой механики. Привлекут внимание читателя и соображения Оппенгеймера об ответственности ученого перед человечеством.
