Аналитика - научно-технический журнал - Материалы тега

главная

eng

Вход

Архив журнала

Журналы

Медиаданные

Редакционная политика

Авторам

Контакты

© 2001-2024
РИЦ Техносфера
Все права защищены
Тел. +7 (495) 234-0110
Оферта

R&W

ISSN 2227-572X
ISSN 2687-1351 (online)

Книги по аналитике

Тег "machine learning"

Аналитика #6/2024
Л. А. Варшавчик
Методы газового анализа. Что может «электронный нос»?

10.22184/2227-572X.2024.14.6.476.479 Современный уровень развития технологий, стремление к безопасности и комфорту в повседневной жизни привели человечество к широкому использованию различных датчиков, контролирующих параметры окружающего нас пространства. Одним из ключевых направлений в области контроля является анализ летучих соединений. Традиционные аналитические инструменты – различные анализаторы для качественного или количественного определения состава смесей газов (газоанализаторы). Применение газовой хромато-масс-спектрометрии позволяет определить массу, элементный состав и молекулярную структуру соединений, присутствующих в образце. Эти методы требуют сложной и дорогостоящей системы пробоотбора для проведения анализа в лабораторных условиях. Сегодня активно развивается технология «электронный нос». Каковы ее особенности и возможности? Что в ней принципиально нового по сравнению с классическими методами? Станет ли она заменой или дополнением к традиционным инструментам, какие задачи сможет решить?

Аналитика #2/2024
А. В. Саакян, А. Д. Левин
Программное обеспечение для обработки спектральных данных методами хемометрики и машинного обучения

https://doi.org/10.22184/2227-572X.2024.14.2.154.160 В статье описан программный пакет, поддерживающий основные методы хемометрики и машинного обучения, используемые для обработки спектральных данных. Он может использоваться как в составе программного обеспечения аналитических спектральных приборов, так и автономно. Пакет содержит как распространенные методы (линейный и квадратичный дискриминантный анализ, регрессия на главные компоненты, метод частичных наименьших квадратов), так и менее известные, но доказавшие свою эффективность при обработке спектров, в том числе метод случайного леса и экстремальный градиентный бустинг. Приводятся данные об апробации программного обеспечения на примере его использования для решения задач классификации частиц черного углерода по исходным объектам горения.

Первая миля #5/2023
В.О.Тихвинский, Е.Е.Девяткин, A.A.Савочкин, Ю.Я.Смирнов,Т.В.Новикова
ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ АНАЛИЗА СЕТЕВЫХ ДАННЫХ В БАЗОВОЙ СЕТИ 5G

DOI: 10.22184/2070-8963.2023.113.5.46.55 Рассмотрено использование технологий искусственного интеллекта для анализа сетевых данных в базовой сети 5G (5G Core). Показаны особенности и роль машинного обучения (ML) в управлении базовой сетью 5G, а также реализация ML на основе совокупности сетевых модулей − функций 5GCore, отвечающих за аналитику сетевых данных. Ключевые слова: базовая сеть 5G, управление базовой сетью 5G, искусственный интеллект, анализ сетевых данных, машинное обучение

Электроника НТБ #9/2020
М. Макушин
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ РАЗВИТИЯ

DOI: 10.22184/1992-4178.2020.200.9.62.71 Обсуждаются достижения в области микроэлектроники, вычислительной техники, средств / систем / сетей связи, программного обеспечения и искусственного интеллекта (ИИ), поддерживаемые прогрессом во многих других областях человеческой деятельности.