Рассмотрена контекстно-ориентированная архитектура интеграции систем искусственного интеллекта на основе слоя абстрактных операторов. Изучены перспективы автоматизации контроля сварных соединений с применением метода ультразвукового контроля и алгоритмов машинного обучения, применение искусственного интеллекта в трикотажной промышленности. Изложено применением нейронной сети для возможности улучшения расчетного прогноза энергетического реактора при работе в суточном графике нагрузки, при прогнозировании потребности в запасных частях транспортного средства, в области компьютерного зрения. Раскрыты перспективы развития нового направления в механике, основанного на внедрении методов искусственного интеллекта. Представлен цифровой комплекс навигации вилочного погрузчика с применением элементов искусственного интеллекта. Описана разработка «умного» мусорного бака на основе клеточной нейронной сети.
Представлены документы из фонда РНТБ, а также аннотированные описания электронных ресурсов и ссылки на полные тексты.
С полными текстами статей можно ознакомиться в зале информационно-справочной службы, комната 613, и в читальном зале периодических изданий, комната 614. Телефон для справок +375 17 226 61 88.
Алпатов, А. Н. Контекстно-ориентированная архитектура интеграции систем искусственного интеллекта на основе слоя абстрактных операторов / А. Н. Алпатов // Современные наукоемкие технологии. – 2025. – № 5. – С. 10–21.
Рассмотрена разработка контекстно-ориентированной архитектуры интеграции систем искусственного интеллекта, обеспечивающей снижение сложности сопряжения интеллектуальных модулей с прикладной логикой распределенных программных систем. Проведен анализ существующих архитектурных решений, формализована модель интеграции с использованием отображений между задачами, операциями и моделями, а также предложен механизм описания задач в виде операторного графа. Также предложен подход к построению интеграционной архитектуры для систем искусственного интеллекта, основанный на использовании программного шлюза с поддержкой контекстно-ориентированного взаимодействия. Отмечено, что основным ключевым элементом решения является абстрактный слой операторов, который позволяет отделить описание задачи от конкретных моделей и тем самым существенно снизить связность системы. Предложенное решение ориентировано на поддержку моделей различных типов (языковых, визуальных и других) и обеспечивает прозрачную маршрутизацию запросов и возможность масштабирования в условиях распределенной вычислительной среды. Отдельно отмечено, что достижение соответствующих характеристик подхода возможно при реализации стандартизированного набора операторов. Представленный подход обеспечивает требуемую масштабируемость архитектуры интеграции систем искусственного интеллекта и может служить основой для построения универсальных интеграционных решений.
Выборнов, И. И. К вопросу об автоматизации контроля сварных соединений с использованием ультразвукового контроля и методов машинного обучения / И. И. Выборнов, Д. Л. Пиотровский // Современные наукоемкие технологии. – 2025. – № 1. – С. 17–23.
Рассмотрены перспективы автоматизации контроля сварных соединений с применением метода ультразвукового контроля и алгоритмов машинного обучения. На основе математического моделирования ультразвукового сигнала, который отражает особенности сварного соединения и показывает возможные дефекты в нем, разработан алгоритм, использующий дерево решений для классификации дефектов сварных соединений. Показаны этапы построения модели ультразвукового сигнала, детального анализа его характеристик и последовательного применения алгоритмов машинного обучения для автоматической диагностики дефектов. Предложенный подход сочетает в себе точность методов неразрушающего контроля, удобство автоматизации процессов и эффективность современных вычислительных технологий. Особое внимание уделено выбору оптимальной архитектуры алгоритма, параметров математического моделирования и составу обучающих данных, что обеспечивает высокую надежность и дополнительный уровень контроля.
Дегтярев, А. М. Уточнение расчетных характеристик энергетического реактора при суточном графике нагрузки c помощью нейронной сети / А. М. Дегтярев, О. А. Серянина // Атомная энергия. – 2025. – Т. 138, Вып. 1/2. – С. 17–22.
Рассмотрена возможность улучшения расчетного прогноза энергетического реактора при работе в суточном графике нагрузки с применением нейронной сети. Сформированы две упрощенные одномерные модели реактора типа ВВЭР (водо-водяной энергетический реактор), одна из них трактовалась как собственно реактор, другая — как его расчетная модель, в которую внесены несколько разнотипных отклонений от реакторной модели, имитирующих погрешность расчета. Простая однослойная нейронная сеть обучалась на основе сопоставления данных, полученных на расчетной и реакторной моделях. Показано, что обученная нейронная сеть позволила эффективно корректировать результаты расчетного прогноза реакторной модели за пределами временного интервала, на котором проводилось ее обучение.
Дьяков, И. Ф. Прогнозирование потребности в запасных частях транспортного средства на основе нейронной сети / И. Ф. Дьяков, Ю. В. Моисеев, В. И. Дьяков // Автоматизация. Современные технологии. – 2025. – № 7. – С. 305–309.
Рассмотрен метод прогнозирования потребности в запасных частях для проведения текущего ремонта в условиях эксплуатации. Приведены значения энергозатрат на перевозку грузов и деформацию деталей, выраженные в аналитической форме. Для прогнозирования долгосрочного запаса деталей использованы сверточные нейронные сети, которые способны эффективно извлекать локальные паттерны. Предложенная архитектура нейронной сети позволяет ускорить процесс обучения за счет обратного распространения ошибки и повысить качество ее работы. Отмечено, что алгоритм обратного распространения является эффективным средством для обучения многослойных нейронных сетей.
Лабутин, А. С. Сверточные нейронные сети: основы и применение в компьютерном зрении / А. С. Лабутин // Моя профессиональная карьера. – 2025. – Т. 1, № 68. – С. 163–168. – URL: https://www.elibrary.ru/item.asp?id=80290323 (дата обращения: 03.10.2025).
Исследована роль искусственного интеллекта в области компьютерного зрения, с акцентом на применение сверточных нейронных сетей (CNN). Рассмотрены основные задачи компьютерного зрения, такие как распознавание объектов, сегментация изображений и анализ движения. Особое внимание уделено тому, как CNN помогают улучшить точность и эффективность этих задач, а также их применению в различных отраслях, таких как медицина, безопасность, транспорт и промышленность.
Мармыш, Д. Интеллектуальная механика / Д. Мармыш, М. Журавков // Наука и инновации. – 2025. – № 7. – С. 25–29.
Обоснована перспективность развития нового направления в механике, основанного на внедрении методов искусственного интеллекта в процессы математического моделирования реальных физических процессов и особенность их применения.
Мусаев, Х. Ш. Применение искусственного интеллекта для повышения эффективности обнаружения дефектов в трикотажных тканях / Х. Ш. Мусаев // Universum: технические науки. – 2025. – № 5-1. – С. 61–64. – URL: https://www.elibrary.ru/item.asp?id=82449058 (дата обращения: 03.10.2025).
Рассмотрено использование архитектуры YOLOv8 и методов увеличения данных (аугментации) для повышения точности обнаружения таких дефектов, как разрывы нитей, дыры и полосы. Эксперименты показали, что правильно подобранные техники аугментации, особенно комбинации «отражение и экспозиция», способны значительно улучшить метрики точности и полноты модели. Это подтверждает эффективность искусственного интеллекта в улучшении качества продукции и снижении человеческого фактора в процессе визуального контроля.
Усатов, А. А. Оценка сходства между наборами данных с помощью векторных представлений / А. А. Усатов, А. М. Недзьведь, Го Цзижань // Доклады Белорусского государственного университета информатики и радиоэлектроники. – 2025. – Т. 23, № 3. – С. 70–76.
Рассмотрен подход к определению сходства наборов данных (датасетов) для обучения алгоритмов на примере датасетов с лицами людей. Показано, что такой подход позволяет находить похожие наборы данных из разных источников, расширяя детектирование признаков и классов и не нанося серьезного вреда балансировке. Для каждого объекта датасета получено векторное представление (эмбеддинг), затем выполнено сравнение эмбеддингов в обоих датасетах. Эксперименты проводились на примере датасетов с изображениями лиц людей. Для получения эмбеддингов использовалась предобученная сеть ResNet. В процессе исследований один датасет делился на две части, представляющие собой схожие датасеты, затем каждая из частей сравнивалась с отличающимся набором данных. Предложена новая метрика сходства, которая обладает рядом преимуществ и позволяет находить наиболее похожие датасеты.
Холопов, В. А. Метод переналадки мобильных компонентов роботизированных технологических комплексов под изменяемые условия производства / В. А. Холопов, М. А. Макаров, Е. В. Копытова // Современные наукоемкие технологии. – 2025. – № 5. – С. 80–90.
Предложен метод переналадки мобильных компонентов роботизированного технологического комплекса в условиях многономенклатурного мелкосерийного производства. Показана разработка системы двухуровневого планирования перемещений мобильного промышленного робота, обеспечивающей его интеграцию с производственным центром для формирования роботизированного технологического комплекса, что позволит оперативно адаптировать производственную систему. Метод сочетает в себе верхнеуровневое планирование, ориентированное на согласование логистики перемещений промышленного робота с общим производственным расписанием, и низкоуровневое, целью которого является обеспечение точного пространственно-временного позиционирования робота в зоне интеграции с производственным центром. Для повышения эффективности поиска траекторий перемещения в зоне интеграции в условиях динамически изменяющейся среды предложено использовать адаптированный алгоритм A* с нейросетевой эвристикой на основе графовой нейронной сети. Приведена архитектура взаимодействия уровней планирования, реализованная с использованием воксельной модели рабочего пространства и системы ROS. Результаты, полученные в ходе экспериментов, демонстрируют преимущество предложенного метода применительно к задачам переналадки роботизированных технологических комплексов. В результате применения предлагаемого метода были достигнуты сокращение времени перепланирования, уменьшение количества перестроений маршрута и сокращение его общей длины по сравнению с методами, основанными на классическом алгоритме A*.
Цифровой комплекс навигации вилочного погрузчика на складе АПК / С. А. Васильев, В. В. Алексеев, В. П. Филиппов [и др.] // Технический сервис машин. – 2025. – № 1. – С. 45–51.
Разработан цифровой комплекс навигации вилочного погрузчика с применением элементов искусственного интеллекта для рационального перемещения его на складах агропромышленного комплекса. Проведены экспериментальные исследования комплекса на складе сельскохозяйственного производственного кооператива «Оринино» Моргаушского района Чувашской Республики. По результатам измерений координат погрузчика тремя методами: лазерным дальномером, триангуляцией по технологии Bluetooth и данным нейросети, установлено, что если измерения, проведенные лазерным дальномером, принять за эталонные, то средняя ошибка при триангуляции составит 2,42 %, а нейросети – 0,33 %. Определено, что для устранения возможных ошибок и верификации результатов параллельно можно использовать нейросеть как вспомогательный инструмент. Интеллектуальная навигация вилочного погрузчика с применением цифрового комплекса обеспечит повышение эффективности его работы на сельскохозяйственном складе.
Artificial intelligence for calculating and predicting building carbon emissions: a review / Jianmin Hua, Ruiyi Wang, Ying Hu [et al.] // Environmental Chemistry Letters. – 2025. – Vol. 23, iss. 3. – P. 783–816. – URL: https://link.springer.com/article/10.1007/s10311-024-01799-z#Abs1 (дата обращения: 03.10.2025).
Переведенное заглавие: Искусственный интеллект для расчета и прогнозирования выбросов углекислого газа в зданиях: обзор.
Рассмотрено использование методов искусственного интеллекта для прогнозирования выбросов углерода, управления ими и мониторинга в режиме реального времени. По сравнению с традиционными методами точность прогнозирования на основе моделей искусственного интеллекта увеличилась на 20%. Системы, управляемые искусственным интеллектом, могут сократить выбросы углекислого газа до 15% благодаря мониторингу в режиме реального времени и адаптивным стратегиям управления. Приложения с использованием искусственного интеллекта повышают энергоэффективность зданий до 25%, одновременно снижая эксплуатационные расходы до 10%.
Rosca, C.-M. Artificial intelligence of things infrastructure for quality control in cast manufacturing environments shedding light on industry changes / C.-M. Rosca, G. Rădulescu, A. Stancu // Applied Sciences – 2025. – Vol. 15, iss. 4. – Article number: 2068. – URL: https://doi.org/10.3390/app15042068 (дата обращения: 03.10.2025).
Переведенное заглавие: Использование искусственного интеллекта для контроля качества при производстве литых изделий.
Разработана система мониторинга на основе Интернета вещей, которая использует методы слияния данных с датчиков в режиме реального времени для контроля качества при производстве литых изделий. Система объединяет данные с нескольких устройств, включая визуальные датчики, такие как ESP32-CAM, в рамках платформы Интернета вещей, основанной на Azure IoT Hub и Azure Custom Vision Service. Эта инфраструктура обеспечивает совместимость устройств за счет упрощения обмена данными с помощью триггера сетки событий Azure, интегрированного в функцию Azure через Azure IoT Hub.
Yuvashri, M. Implementation of smart dustbin – a CNN-based intelligent waste management / M. Yuvashri, S. K. Varsha, M. Vijayalakshmi // International Journal of Environment and Waste Management. – 2025. – Vol. 37, № 2. – P. 149–160.
Переведенное заглавие: Внедрение умных мусорных баков – система интеллектуального управления отходами на базе нейронных сетей (CNN).
Образование отходов по всему миру стремительно растет, а классификация отходов стала менее точной, что влияет на процесс переработки и увеличивает экологические риски. Разработан простой способ экономичной классификации отходов на биоразлагаемые и небиоразлагаемые с помощью интеллектуального мусорного бака. Новый мусорный бак открывает крышку исключительно для биоразлагаемых отходов, что обеспечивает бесперебойную и экологичную утилизацию.
Вы можете заказать представленные на выставке издания, используя форму. Мы забронируем их для вас и сообщим, в каком читальном зале они будут доступны.
Заказать издания может только читатель РНТБ.
Вы также можете заказать фрагменты полных текстов, воспользовавшись услугой электронная доставка документов либо услугой электронный абонемент (услуги платные).