Т 19 Тарасян, В. С. Использование нейросетевого управления в системах с запаздыванием [] / В. С. Тарасян, А. А. Нигматуллин // Инновационный транспорт : научно-публицистическое издание : издается с ноября 2011 г. - 2017. - N 3. - С. 39-43 : рис. - Библиогр.: с. 43 (3 назв.) . - ISSN 2311-164Х
Информационные технологии--Искусственный интеллект Кл.слова (ненормированные): НЕЙРОСЕТЕВОЕ УПРАВЛЕНИЕ -- МАШИННОЕ ОБУЧЕНИЕ -- МАНИПУЛЯТОР -- ЗАПАЗДЫВАНИЕ -- ПРОГРАММНОЕ ДВИЖЕНИЕ Аннотация: В статье представлена модель двухзвенного манипулятора, движимого по заданной траектории, описано построение математической модели в программной среде Matlab с помощью встроенного пакета Simulink. Обучена нейронная сеть для подавления помех, которые могут воздействовать на управляющий сигнал. Особое внимание уделено запасу прочности нейронной сети для обработки возможных запаздываний по каналу обратной связи. Доп.точки доступа: Нигматуллин, А. А. Имеются экземпляры в отделах: НЗ (28.11.2017г. Экз. 1 - ) (свободен) |
Корепин, В. Н. Формирование интеллектуальных цепей поставок [] / В. Н. Корепин // Логистика и управление цепями поставок : журнал, освещающий проблемы интегрированной логистики. - 2018. - N 4. - С. 3-9. - Библиогр.: с. 9 (7 назв.) . - ISSN 2587-6775 Рубрики: Информационные технологии в логистике и SCM--Управление цепями поставок Кл.слова (ненормированные): ЛОГИСТИКА -- ЦЕПЬ ПОСТАВОК -- СМЕШАННАЯ РЕАЛЬНОСТЬ -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- МАШИННОЕ ОБУЧЕНИЕ -- БЛОКЧЕЙН -- БОТЫ Аннотация: Данная статья рассматривает ключевые аспекты влияния четвертой промышленной революции объявленной в 2011 году и целого пласта новых технологий, которые начинают все активнее вторгаться в повседневную жизнь, на существующие процессы управление цепями поставок и на их дальнейшее развитие. В статье приводится обзор составляющих интеллектуальных цепей поставок, которые разделяются в статье на два неравных класса: это революционные и эволюционные технологии. К первым можно отнести интернет вещей, машинное обучение, 3д печать, блокчейн, смешанная и дополненная реальность, искусственный интеллект и боты – все они кардинально изменяют логику работу цепей поставок. Ко вторым же стоит отнести давно и успешно развивающиеся графические технологии и интуитивно-понятную/функциональную организацию рабочего места сотрудников компаний. В статье делается акцент именно на первой группе технологий. В результате в статье сделан вывод о том, что все эти технологии тесно переплетены и это формирует дополнительный синергетический эффект от использования их в тесном контакте друг с другом, а также о том, что функции и обязанности эксперта по управлению цепями поставок в компании должны быть вдумчиво переработаны. Имеются экземпляры в отделах: НЗ (17.10.2018г. Экз. 1 - 710.00 р.) (свободен) |
Кузнецов, В. О. Использование метода главных компонент для анализа надежности цепей поставок [] / В. О. Кузнецов // Логистика и управление цепями поставок : журнал, освещающий проблемы интегрированной логистики. - 2018. - N 4. - С. 27-33 : рис., табл. - Библиогр.: с. 33 (5 назв.) . - ISSN 2587-6775 Рубрики: Аналитика в логистике и SCM--Надежность и устойчивость цепей поставок Кл.слова (ненормированные): ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ -- МАШИННОЕ ОБУЧЕНИЕ -- МЕТОД ГЛАВНЫХ КОМПОНЕНТ -- PRINCIPAL COMPONENT ANALYSIS -- ЦЕПЬ ПОСТАВОК Аннотация: Одним из вариантов более гибкого подхода к анализу надежности цепей поставок нам представляется метод главных компонент (PCA). Учитывая большое количество переменных, описывающих цепь поставок, является сложной задачей - проанализировать в двумерном пространстве структуру переменных. Метод PCA позволяет перейти, в рамках анализа зависимостей переменных, от многомерного пространства к маломерному, оставляя для анализа саму полезную информацию, находящуюся в массиве данных. На основе сгенерированного набора данных, в данной работе демонстрируется возможность применения PCA относительно анализа надежности цепей поставок. Сгенерированный набор данных включает в себя наблюдения по 50-ти цепям поставок, описанный пятью переменными. На основе массива данных, максимизировав линейную комбинацию параметров по каждому наблюдению, мы определили коэффициенты нагрузки и оценки каждой из главных компонент. Расчет этих коэффициентов позволил перейти от многомерного пространства к двумерному. Двумерное отображение всех данных, осями которого являются первые две главные компоненты, объясняя 84% дисперсии, позволило увидеть структуру всех цепей поставок, выделить аутсайдеров и лидеров в данном наборе. Имеются экземпляры в отделах: НЗ (17.10.2018г. Экз. 1 - 710.00 р.) (свободен) |
О применении искусственных нейронных сетей на железнодорожном транспорте [] / В. Б. Положишников [и др.] // Железнодорожный транспорт : научно-теоретический технико-экономический журнал. - 2019. - N 4. - С. 33-36 . - ISSN 0044-4448 Рубрики: Транспорт--Железнодорожный транспорт в целом Кл.слова (ненормированные): РАСЧЕТ ПЛАНА ФОРМИРОВАНИЯ ПОЕЗДОВ -- РАСПОЗНАВАНИЕ НЕИСПРАВНОСТЕЙ -- МАШИННОЕ ОБУЧЕНИЕ -- КОНТРОЛЬ ДОСТУПА -- ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ -- ДИАГНОСТИКА ОБЪЕКТОВ ПУТИ -- ВИРТУАЛЬНАЯ ДИАГНОСТИКА Аннотация: Дано описание основных видов искусственных нейронных сетей. Представлены варианты их возможного применения на железнодорожном транспорте: в системах контроля доступа, при диагностике объектов железнодорожного пути, распознавании потенциально опасных социальных ситуаций, расчете плана формирования поездов. Доп.точки доступа: Положишников, В. Б.; Акманов, В. А.; Томащенко, С. Н.; Шипунов, Т. В. Имеются экземпляры в отделах: НЗ (25.04.2019г. Экз. 1 - 1007.97 р.) (свободен) |
Дейлид, И. А. Применение методов машинного обучения для определения препятствий с помощью стереозрения [] / И. А. Дейлид, С. А. Молодяков // Железнодорожный транспорт : научно-теоретический технико-экономический журнал. - 2019. - N 12. - С. 27-29 : граф. - Библиогр.: с. 29 (4 назв.) . - ISSN 0044-4448 Рубрики: Железнодорожный транспорт--Беспилотное движение Кл.слова (ненормированные): СТЕРЕОЗРЕНИЕ -- МАШИННОЕ ОБУЧЕНИЕ -- СЕМАНТИЧЕСКАЯ СЕГМЕНТАЦИЯ -- ОБНАРУЖЕНИЕ ПРЕПЯТСТВИЙ Аннотация: Рассматривается подход обнаружения препятствий на основе комбинации методов машинного обучения и стереозрения. Предлагается применять результаты работы алгоритмов стереозрения в качестве входных данных для моделей семантической сегментации в целях обнаружения препятствий на пути следования. Приводится анализ подходов с использованием данных от симулятора. Доп.точки доступа: Молодяков, С. А. Имеются экземпляры в отделах: НЗ (09.01.2020г. Экз. 1 - 1007.97 р.) (свободен) |
Аслаханов, А. Р. Прогнозирование потоков экскурсионных групп музеев на основе модификации метода случайного леса [] / А. Р. Аслаханов, Е. В. Павлова // Логистика и управление цепями поставок : журнал, освещающий проблемы интегрированной логистики. - 2020. - N 4. - С. 29-38 : схемы, граф. - Библиогр.: с. 38 (25 назв.) . - ISSN 2587-6775 Рубрики: Имитационное моделирование--Информационные технологии в логистике Кл.слова (ненормированные): ПРОГНОЗИРОВАНИЕ -- МАШИННОЕ ОБУЧЕНИЕ -- КОМБИНИРОВАНИЕ ПРОГНОЗОВ -- МУЗЕИ -- СЕРВИС Аннотация: В последние годы как в России, так и в мире наблюдается ежегодный рост количества посетителей музеев, самые популярные выставки посещаются миллионами людей. В 2020 году в условиях карантинных мер в связи с эпидемией COVID-19 вопрос управления потоками посетителей музеев встал особенно остро. Если ранее пропускная способность музеев была ограничена максимальной продолжительностью возможной эвакуации из здания музея, выставочными площадями и количеством сотрудников, работающих с посетителями, то в 2020 году в связи с соблюдением санитарно-эпидемиологических правил пропускная способность музеев была снижена еще. Это обуславливает актуальность аналитических решений для музеев, так как для управления потоками посетителей и адаптации к высокому спросу необходимо иметь эффективную модель прогнозирования, учитывающую детерминированность спроса целым рядом факторов. Целью данной работы является разработка модели прогнозирования количества экскурсионных групп в детализации музей-день-час. В качестве метода прогнозирования предлагается модификация случайного леса с включением в модель более 450 независимых переменных. Модификация модели заключается в изменении механизма комбинирования прогнозов деревьев в составе леса таким образом, что вес дерева в модели обратно пропорционален ошибке измерений данного дерева. Апробация предложенной модели проводится на основании данных о более чем 20 000 экскурсионных групп Государственного Русского Музея за период 2018-2020 гг. Предложенная модель продемонстрировала высокую точность (36.6% WAPE и 0.5% BIAS). Доп.точки доступа: Павлова, Е. В. Имеются экземпляры в отделах: НЗ (15.10.2020г. Экз. 1 - 636.32 р.) (свободен) |
Каргина, Л. А. Применение цифровых технологий при реализации проектов умного транспорта [] / Л. А. Каргина, Т. М. Дмитриева // Экономика железных дорог : журнал для руководителей и финансово-экономических работников. - 2020. - N 10. - С. 59-65. - Библиогр.: с. 65 (2 назв.) Рубрики: Транспортные системы--Цифровые технологии Кл.слова (ненормированные): ИНТЕЛЛЕКТУАЛЬНАЯ ТРАНСПОРТНАЯ СИСТЕМА -- ЦИФРОВАЯ ПЛАТФОРМА -- ЦИФРОВЫЕ ТЕХНОЛОГИИ -- МАШИННОЕ ОБУЧЕНИЕ -- ПРЕДИКТИВНАЯ АНАЛИТИКА -- RFID-СИСТЕМЫ Аннотация: В статье рассказывается о цифровых технологиях, используемых при реализации проектов умного транспорта. Рассматривается применение технологий интернета вещей, машинного обучения, больших данных для развития транспортных систем автомобильного и железнодорожного транспорта. Доп.точки доступа: Дмитриева, Т. М. Имеются экземпляры в отделах: НЗ (10.11.2020г. Экз. 1 - 1181.28 р.) (свободен) Каф. Экономика транспорта (10.11.2020г. Экз. 2 - 1181.28 р.) (свободен) |
Бутыркин, А. Я. Использование предиктивной аналитики в процессах моделирования и машинного обучения на транспорте [] / А. Я. Бутыркин, В. А. Гелис, Е. Б. Куликова // Железнодорожный транспорт : научно-теоретический технико-экономический журнал. - 2021. - N 11. - С. 50-54 : схемы, граф. - Библиогр.: с. 54 (12 назв.) . - ISSN 0044-4448 Рубрики: Управление транспортными предприятиями--Цифровизация Кл.слова (ненормированные): ПРЕДИКТИВНАЯ АНАЛИТИКА -- ПРОГНОЗИРОВАНИЕ -- МАШИННОЕ ОБУЧЕНИЕ -- ПАССАЖИРСКАЯ ЛОГИСТИКА -- ТРАНСПОРТНАЯ ЛОГИСТИКА Аннотация: Представлен анализ потенциала прогрессивных подходов к моделированию на основе методов машинного обучения применительно к транспортной сфере. Сформированы формализующие технологии схемы. Обозначены специфические особенности распространенных алгоритмов и методов. Приведены результаты оценки перспективных моделей. Доп.точки доступа: Гелис, В. А.; Куликова, Е. Б. Имеются экземпляры в отделах: НЗ (25.11.2021г. Экз. 1 - 1007.97 р.) (свободен) |
М 29 Мартыненко, А. В. Прогнозирование пассажиропотоков в пригородном железнодорожном сообщении на основе социально-экономических показателей и структуры землепользования (на примере Челябинской области) [] / А. В. Мартыненко, К. К. Ваколюк // Транспорт Урала : научно-технический журнал. - 2021. - N 4. - С. 58-65 : ил., табл. - Библиогр.: с. 64-65 (22 назв.) . - ISSN 1815-9400
Кл.слова (ненормированные): ПРОГНОЗИРОВАНИЕ ПАССАЖИРОПОТОКОВ -- ПРИГОРОДНЫЕ ПАССАЖИРСКИЕ ПЕРЕВОЗКИ -- МОДЕЛЬ ПРЯМОГО СПРОСА -- МАШИННОЕ ОБУЧЕНИЕ -- ГРАДИЕНТНЫЙ БУСТИНГ -- СТРУКТУРА ЗЕМЛЕПОЛЬЗОВАНИЯ Аннотация: Во многих вопросах, связанных с организацией и планированием перевозок пассажиров в пригородном железнодорожном сообщении, важную роль играет прогнозирование пассажиропотоков на основе доступной информации об их зарождении и поглощении вблизи железнодорожных станций. Для получения такого прогноза чаще всего используют модели прямого спроса, представляющие собой регрессионные зависимости между пассажиропотоком и стоимостью поездки, ее продолжительностью, а также социально-экономическими характеристиками населенных пунктов (численность населения, средний доход, уровень безработицы и т. д.), обслуживаемых железнодорожными станциями. В статье предлагается подход к моделированию прямого спроса, основанный на методах машинного обучения и использующий в качестве объясняющих переменных не только социально-экономические характеристики, но также геоданные о структуре землепользования в окрестности железнодорожных станций. Рассмотренный подход реализован для пригородного пассажирского сообщения в Челябинской области. Доп.точки доступа: Ваколюк, К. К. Имеются экземпляры в отделах: НЗ (17.01.2022г. Экз. 1 - ) (свободен) НЗ (17.01.2022г. Экз. 2 - ) (свободен) |
Шубинский, И. Б. Методы интеллектуального анализа данных для прогнозирования опасных событий [] / И. Б. Шубинский, О. Б. Проневич // Железнодорожный транспорт : научно-теоретический технико-экономический журнал. - 2021. - N 12. - С. 27-31 : рис., табл. - Библиогр.: с. 31 (7 назв.) . - ISSN 0044-4448 Рубрики: Цифровизация Кл.слова (ненормированные): ПРОГНОЗИРОВАНИЕ -- BIG DATA -- DATA SCIENCE -- МАШИННОЕ ОБУЧЕНИЕ -- ОПАСНЫЙ ОТКАЗ -- ИНЦИДЕНТ -- РЕДКОЕ СОБЫТИЕ -- ДИСБАЛАНС КЛАССОВ -- СЭМПЛИНГ ДАННЫХ -- МОДЕЛЬ -- МЕТОД Аннотация: Представлен подход к прогнозированию опасных событий на железнодорожном транспорте в режиме реального времени на объектах автоматики и телемеханики, а также объектах электроснабжения, основанный на совместном анализе редких опасных отказов и частых инцидентов с применением методов искусственного интеллекта. Показано, что современные программные решения позволяют интегрировать прогнозы в бизнес-процессы, анализировать данные в целях выявления дестабилизирующих безопасность состояний и принимать меры по своевременному проведению корректирующих мероприятий. Доп.точки доступа: Проневич, О. Б. Имеются экземпляры в отделах: НЗ (10.01.2022г. Экз. 1 - 1007.97 р.) (свободен) |
Озеров, А. В. Развитие систем автоматизации управления движением поездов [] / А. В. Озеров, В. М. Малинов, А. С. Маршова // Железнодорожный транспорт : научно-теоретический технико-экономический журнал. - 2022. - N 3. - С. 10-15 : фот. цв., рис. - Библиогр.: с. 15 (5 назв.) . - ISSN 0044-4448 Рубрики: Управление движением поездов--Технология автоведения Кл.слова (ненормированные): СИСТЕМЫ ИНТЕРВАЛЬНОГО РЕГУЛИРОВАНИЯ ДВИЖЕНИЕМ ПОЕЗДОВ (СИРДП) -- УСТРОЙСТВА ЖЕЛЕЗНОДОРОЖНОЙ АВТОМАТИКИ И ТЕЛЕМЕХАНИКИ -- АВТОВЕДЕНИЕ -- МАШИННОЕ ЗРЕНИЕ -- МАШИННОЕ ОБУЧЕНИЕ -- ГЛУБОКОЕ ОБУЧЕНИЕ -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- ETCS -- CBTC -- CTCS -- ATP -- ATO -- GOA4 -- МСЖД -- LTE -- 5G -- МЦК Аннотация: Описана история внедрения систем автоматического управления движением поездов в различных странах мира в контексте классификации уровней автоматизации. Рассмотрены такие предпосылки успешной реализации технологий автоведения на железной дороге, как надежная система определения препятствий, высокоточная система позиционирования с применением спутниковой навигации и электронных бортовых карт, новые стандарты цифровой радиосвязи, а также разработка спецификаций к подсистеме автоведения и ее интерфейсам с другими подсистемами. Доп.точки доступа: Малинов, В. М.; Маршова, А. С. Имеются экземпляры в отделах: НЗ (29.03.2022г. Экз. 1 - 1007.97 р.) (свободен) |
С 12 Сабиров, Н. З. Перспективы применения искусственного интеллекта на железнодорожном транспорте [] / Н. З. Сабиров, Ш. К. Валиев, Р. Ш. Валиев // Инновационный транспорт : научно-публицистическое издание : издается с ноября 2011 г. - 2022. - N 2. - С. 20-23 : рис. - Библиогр.: с. 23 (9 назв.) . - ISSN 2311-164Х
Кл.слова (ненормированные): ЖЕЛЕЗНОДОРОЖНЫЙ ТРАНСПОРТ -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- МАШИННОЕ ОБУЧЕНИЕ -- ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ -- САМООБУЧЕНИЕ -- АВТОМАТИКА И ТЕЛЕМЕХАНИКА -- ЦИФРОВЫЕ СИСТЕМЫ -- ВИРТУАЛЬНАЯ И ДОПОЛНЕННАЯ РЕАЛЬНОСТЬ -- УЧЕБНЫЕ ТРЕНАЖЕРЫ Аннотация: В статье рассматриваются вопросы применения искусственного интеллекта, выделены основные перспективные направления развития и применения искусственного интеллекта на железнодорожном транспорте. Отмечены активно внедряемые и развивающиеся технологии искусственного интеллекта на железной дороге. Приведены примеры внедрения проектов с элементами искусственного интеллекта на железнодорожном транспорте, в учебных заведениях при разработке тренажеров для обучения в вузах, средних специальных учебных заведениях железнодорожного транспорта и при повышении квалификации специалистов железнодорожных предприятий. Доп.точки доступа: Валиев, Ш. К.; Валиев, Р. Ш. Имеются экземпляры в отделах: НЗ (21.07.2022г. Экз. 1 - ) (свободен) НЗ (21.07.2022г. Экз. 2 - ) (свободен) |
Д 76 Дружинина, О. В. Анализ данных и нейросетевое моделирование в диагностике технического состояния железнодорожного пути [] / О. В. Дружинина, М. А. Людаговская // Транспорт: наука, техника, управление : научный информационный сборник. - 2022. - N 6. - С. 19-25 : рис. - Библиогр.: с. 24-25 (14 назв.) . - ISSN 0236-1914
Железнодорожный транспорт--Информационно-управляющие системы Кл.слова (ненормированные): ЦИФРОВАЯ ЖЕЛЕЗНАЯ ДОРОГА -- АНАЛИЗ ДАННЫХ -- АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ -- СРЕДСТВА ДИАГНОСТИКИ ЖЕЛЕЗНОДОРОЖНОГО ПУТИ -- НЕЙРОСЕТЕВЫЕ МОДЕЛИ И АЛГОРИТМЫ -- МАШИННОЕ ОБУЧЕНИЕ -- КАСАНТ -- УРРАН Аннотация: Рассмотрены вопросы анализа данных и нейросетевого моделирования в диагностике технического состояния железнодорожного пути. Охарактеризованы особенности современных компьютеризированных технических средств диагностики железнодорожного пути с учетом ключевых аспектов мониторинга объектов путевого хозяйства. Дан анализ некоторых актуальных проблем управления большими данными (Big Data) в информационных транспортных системах. Предложен алгоритм синтеза эталонной нейросетевой диагностической модели для оценки состояния железнодорожного пути. Описаны перспективы применения средств программной реализации интеллектуальных алгоритмов. Доп.точки доступа: Людаговская, М. А. Имеются экземпляры в отделах: НЗ (20.07.2022г. Экз. 1 - ) (свободен) |
Сеславина, Е. А. Информационные технологии комплексного управления рисками безопасности перевозок [] / Е. А. Сеславина, Е. Н. Евдокимова // Экономика железных дорог : журнал для руководителей и финансово-экономических работников. - 2022. - N 8. - С. 89-96 : табл. - Библиогр.: с. 95-96 (9 назв.) Рубрики: Железнодорожный транспорт--Безопасность движения Кл.слова (ненормированные): УПРАВЛЕНИЕ БЕЗОПАСНОСТЬЮ ПЕРЕВОЗОК -- МАШИННОЕ ОБУЧЕНИЕ -- РИСКИ -- КОРРЕКТИРОВКА РИСКОВ Аннотация: Предложенный подход позволяет идентифицировать участки инфраструктуры по риску возникновения нарушений безопасности движения (НБД); на основе полученных прогнозных значений разрабатывается план мероприятий по предупреждению НБД, повышается оперативность принятия управленческих решений, создается возможность сокращения затрат на восстановление движения за счет своевременной реализации комплекса превентивных действий. Доп.точки доступа: Евдокимова, Е. Н. Имеются экземпляры в отделах: НЗ (30.09.2022г. Экз. 1 - Б.ц.) (свободен) Каф. Экономика транспорта (27.09.2022г. Экз. 2 - 1181.28 р.) (свободен) |
Т 39 Тиверовский, В. И. Железные дороги стран Европы на пути цифровизации и автоматизации [] / В. И. Тиверовский // Транспорт: наука, техника, управление : научный информационный сборник. - 2023. - N 5. - С. 31-36. - Библиогр.: с. 35-36 (16 назв.) . - ISSN 0236-1914
Кл.слова (ненормированные): ЖЕЛЕЗНЫЕ ДОРОГИ -- ЦИФРОВИЗАЦИЯ -- АВТОМАТИЗАЦИЯ -- ЕВРОПЕЙСКИЕ СИСТЕМЫ ETCS И ERTMS -- СИСТЕМА МОБИЛЬНОЙ РАДИОСВЯЗИ -- ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- ОБЛАЧНАЯ КОМПЬЮТЕРИЗАЦИЯ -- МАШИННОЕ ОБУЧЕНИЕ Аннотация: Цифровизация и автоматизация железных дорог в странах Европы рассматривается как генеральное направление развития железнодорожного транспорта. Приведены данные о состоянии цифровизации и автоматизации в Германии и других странах. Отмечена важность внедрения Европейской системы управления поездом (ETCS), Европейской системы управления и обеспечения безопасности движения поездов на сети железных дорог (ERTMS) и системы автоматического управления поездом (ATO). Отмечена возможность внедрения указанных систем по уровням, указанным в Технической спецификации. Отдельно рассматривается перспектива создания новой системы мобильной радиосвязи 5-го поколения (5G). Приведены данные об интересных проектах цифровизации и автоматизации, например создание цифрового железнодорожного узла Штутгарт (Германия). Имеются экземпляры в отделах: НЗ Экз. 1 (свободен) |
Д 95 Дюк, В. А. Сравнительное исследование алгоритмов машинного обучения в задаче прогнозирования динамики велошеринга [] / В. А. Дюк, И. Г. Малыгин // Транспорт: наука, техника, управление : научный информационный сборник. - 2023. - N 6. - С. 40-45 : табл. - Библиогр.: с. 44-45 (9 назв.) . - ISSN 0236-1914
Кл.слова (ненормированные): ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ -- МАШИННОЕ ОБУЧЕНИЕ -- ПРОГНОЗИРОВАНИЕ -- СИСТЕМА ВЕЛОШЕРИНГА -- ТОЧНОСТЬ МОДЕЛИ КЛАССИФИКАЦИИ Аннотация: Экспериментально подтверждена эффективность современных инструментов машинного обучения для решения задачи прогнозирования объема арендуемых велосипедов в системе велошеринга. Для сравнения привлекались следующие методы: наивный байесовский классификатор; многослойный перцептрон, использующий алгоритм обратного распространения ошибки; метод ближайших соседей (БС); деревья решений; случайный лес; логистическая регрессия и машина опорных векторов (SVM). Исследование различных инструментов машинного обучения показало, что наиболее точные результаты продемонстрировали методы нейросетевого подхода, деревьев решения и случайного леса решений. Доп.точки доступа: Малыгин, И. Г. Имеются экземпляры в отделах: НЗ Экз. 1 (свободен) |
К 19 Канарский, В. А. Классификация состояний стрелочного перевода [] / В. А. Канарский // Автоматика, связь, информатика : научно-популярный производственно-технический журнал. - 2023. - N 12. - С. 6-10 : рис., табл. - Библиогр.: с. 10 (8 назв.) . - ISSN 0005-2329
Кл.слова (ненормированные): СТРЕЛОЧНЫЙ ПЕРЕВОД -- НЕИСПРАВНОСТЬ -- ВРЕМЕННЫЕ РЯДЫ -- МОЩНОСТЬ -- ПРЕОБРАЗОВАНИЕ ФУРЬЕ -- МАШИННОЕ ОБУЧЕНИЕ -- КЛАССИФИКАЦИЯ Аннотация: При мониторинге стрелочного перевода в основном используются методы электрической диагностики. Однако недостаток контролируемых при этом параметров приводит к неспособности системы мониторинга в полной мере описать неисправный узел. Вместе с этим существуют косвенные методы оценки состояния устройства на основе спектрального анализа сигналов, вырабатываемых электродвигателем во время перевода. Совместив такой подход с технологиями искусственного интеллекта можно выделить неявную информацию и представить ее в виде интерпретируемого результата. Были исследованы характеристики активной мощности, полученные при диагностике силовых параметров устройств, функционирующих в составе АПК-ДК. В результате дискретного преобразования Фурье обоснован выбор подходящих гармоник, проведен сравнительный анализ алгоритмов контролируемого машинного обучения в решении задачи классификации состояния стрелочного перевода. Имеются экземпляры в отделах: НЗ Экз. 1 (свободен) |
Р 59 Рогулин, Р. С. Прогнозирование и планирование спроса при управлении цепочками поставок. Часть 1. Обзор методов анализа данных [] / Р. С. Рогулин // Транспорт: наука, техника, управление : научный информационный сборник. - 2023. - N 10. - С. 21-29. - Библиогр.: с. 27-28 (54 назв.) . - ISSN 0236-1914
Кл.слова (ненормированные): АНАЛИЗ ДАННЫХ -- МАШИННОЕ ОБУЧЕНИЕ -- ПРОГНОЗИРОВАНИЕ СПРОСА -- ПЛАНИРОВАНИЕ -- ЦЕПОЧКИ ПОСТАВОК -- УПРАВЛЕНИЕ ЗАПАСАМИ -- ДЕФИЦИТ -- УДОВЛЕТВОРЕННОСТЬ КЛИЕНТОВ -- ПРОБЛЕМЫ -- БУДУЩИЕ НАПРАВЛЕНИЯ -- ДАННЫЕ В РЕАЛЬНОМ ВРЕМЕНИ -- ПРОГНОЗНАЯ АНАЛИТИКА Аннотация: Обсуждаются потенциальные теоретические преимущества интеграции методов анализа данных и машинного обучения для прогнозирования спроса и планирования в управлении цепочками поставок. Рассматриваются опубликованные в базах данных Scopus и Web of Science тематические исследования и научные статьи, в которых приведены анализ или международные примеры успешного интегрирования рассматриваемых методов для повышения эффективности цепочки поставок, и обсуждается их влияние на уровни запасов, дефицит и удовлетворенность клиентов. В обзоре также затрагиваются такие вопросы для управления цепями поставок, как важность прогнозирования и планирования спроса, краткие выдержки из области применения методов машинного обучения, методы анализа данных для прогнозирования и планирования спроса, основные определения методов анализа данных для прогнозирования и планирования спроса, включая статистический анализ, анализ временных рядов и регрессионный анализ, преимущества и ограничения каждого метода, анализ тематических исследований и исследовательских работ, в которых использовались методы анализа данных для прогнозирования спроса и планирования, избранные определения и свойства методов машинного обучения для прогнозирования и планирования спроса, включая нейронные сети, деревья решений и случайные леса, преимущества и ограничений каждого метода. Приведен обзор тематических исследований и исследовательских работ, в которых использовались методы машинного обучения для прогнозирования и планирования спроса. Как показывает обзор практик внедрения ведущих мировых корпораций (например, Walmart), интеграция методов анализа данных и машинного обучения может значительно улучшить прогнозирование спроса и планирование в управлении цепочками поставок, но требует тщательного рассмотрения качества данных, обучения персонала и технологической инфраструктуры. Имеются экземпляры в отделах: НЗ (13.12.2023г. Экз. 1 - ) (свободен) |
Р 59 Рогулин, Р. С. Прогнозирование и планирование спроса при управлении цепочками поставок [] / Р. С. Рогулин // Транспорт: наука, техника, управление : научный информационный сборник. - 2023. - N 11. - С. 15-27. - Библиогр.: с. 25-27 (55 назв.) . - ISSN 0236-1914
Кл.слова (ненормированные): АНАЛИЗ ДАННЫХ -- МАШИННОЕ ОБУЧЕНИЕ -- ПРОГНОЗИРОВАНИЕ СПРОСА -- ПЛАНИРОВАНИЕ -- ЦЕПОЧКА ПОСТАВОК -- УПРАВЛЕНИЕ ЗАПАСАМИ -- ДЕФИЦИТ -- УДОВЛЕТВОРЕННОСТЬ КЛИЕНТОВ -- ПРОБЛЕМЫ -- БУДУЩИЕ НАПРАВЛЕНИЯ -- ДАННЫЕ В РЕАЛЬНОМ ВРЕМЕНИ -- ПРОГНОЗНАЯ АНАЛИТИКА Аннотация: Рассматриваются потенциальные преимущества интеграции методов анализа данных и машинного обучения для прогнозирования спроса и планирования в управлении цепочками поставок. Отмечается влияние предложенных методов на уровни запасов, дефицит и удовлетворенность клиентов. Изучаются проблемы и возникающие ограничения при использовании этих методов, в том числе вопросы получения и использования качества данных и потребность в квалифицированном персонале. Предлагаются основные векторы исследований в области прогнозирования и планирования спроса, включая интеграцию данных в режиме реального времени и использование прогнозной аналитики. Имеются экземпляры в отделах: НЗ Экз. 1 (свободен) |
Р 59 Рогулин, Р. С. Прогнозирование и планирование спроса при управлении цепочками поставок. Часть 2. Обзор опыта внедрения методов анализа данных [] / Р. С. Рогулин // Транспорт: наука, техника, управление : научный информационный сборник. - 2023. - N 12. - С. 38-46. - Библиогр.: с. 44-46 (55 назв.) . - ISSN 0236-1914
Кл.слова (ненормированные): АНАЛИЗ ДАННЫХ -- МАШИННОЕ ОБУЧЕНИЕ -- ПРОГНОЗИРОВАНИЕ СПРОСА -- ПЛАНИРОВАНИЕ -- ЦЕПОЧКА ПОСТАВОК -- УПРАВЛЕНИЕ ЗАПАСАМИ -- ДЕФИЦИТ -- УДОВЛЕТВОРЕННОСТЬ КЛИЕНТОВ -- ПРОБЛЕМЫ -- БУДУЩИЕ НАПРАВЛЕНИЯ -- ДАННЫЕ В РЕАЛЬНОМ ВРЕМЕНИ -- ПРОГНОЗНАЯ АНАЛИТИКА Аннотация: В этой работе обсуждаются потенциальные преимущества интеграции методов анализа данных и машинного обучения для прогнозирования спроса и планирования в управлении цепочками поставок. Рассматриваются опубликованные в базах данных Scopus и Web of Science тематические исследования и научные статьи, в которых приведены анализ или международные примеры успешного интегрирования рассматриваемых методов для повышения эффективности цепочки поставок, и обсуждается их влияние на уровни запасов, дефицит и удовлетворенность клиентов. Также рассматриваются проблемы и ограничения использования этих методов, в том числе вопросы качества данных и потребность в квалифицированном персонале, и предлагаются стратегии для преодоления этих проблем. Кроме того, рассматриваются будущие направления исследований в области прогнозирования и планирования спроса, включая интеграцию данных в режиме реального времени и использование прогнозной аналитики. Обобщаются основные выводы и вклады, а также приводятся выводы для практики и будущих исследований. Как показывает практика внедрения ведущий мировых корпораций (например, Walmart), интеграция методов анализа данных и машинного обучения может значительно улучшить прогнозирование спроса и планирование в управлении цепочками поставок, но требует тщательного рассмотрения качества данных, обучения персонала и технологической инфраструктуры. Имеются экземпляры в отделах: НЗ Экз. 1 (свободен) |