SCI Библиотека

Целью работы является получение адекватного автоматического алгоритма дуговой сварки, использующего методы машинного обучения для мониторинга параметров сварки, прогнозирования дефектов шва и автоматической корректировки настроек с целью повышения качества и надежности сварных соединений. Настоящая работа посвящена созданию алгоритма для автоматизации дуговой сварки методом MIG/MAG с применением технологий машинного обучения, в частности модели Random Forest. Разработанная система направлена на непрерывный контроль таких параметров сварки, как температура шва, сила тока, скорость подачи проволоки, расход защитного газа и ширина шва. Основная задача - прогнозирование вероятности дефектов сварного соединения и автоматическая корректировка параметров для их предотвращения, что способствует повышению прочности и долговечности конструкций. Алгоритм реализован на языке Python с использованием библиотек Numpy, Sklearn и Matplotlib и адаптирован для работы в среде Google Colab, что упрощает проведение экспериментов и анализ данных. В ходе тестирования система продемонстрировала высокую точность предсказания дефектов (100%), подтвержденную метриками классификации и анализом ROC-кривой. Предложенный подход обеспечивает оптимизацию сварочных процессов, минимизацию производственных ошибок и открывает перспективы для адаптации к другим видам сварки, что делает его ценным инструментом для промышленного применения.

Целью работы является получение адекватного автоматического алгоритма контроля сварных соединений. В статье 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. В работе 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. Приведенные результаты демонстрируют высокую эффективность предложенного подхода в сравнении с традиционными методами контроля, что открывает широкие перспективы для его внедрения в промышленные процессы. Такие методы позволяют значительно сократить время анализа, повысить точность классификации дефектов, минимизировать вероятность ошибок и оптимизировать общую производительность систем контроля качества.

Предлагается концептуальный подход к построению комбинированной обратной связи в системе человек - машина с введением искусственного сенсорного компонента обратной связи, управляемого технической подсистемой. Подход направлен на систематизацию роли комбинированной обратной связи в управлении многоагентными системами, включающими дополнительные элементы, людей и искусственных агентов. Он исследован в задаче управления вертикальной позой человека, а также в синтетических экспериментах (на модели CartPole), рассматриваемых на примере обучения с подкреплением. Изучалась изменчивость эффективности решения задачи управления в зависимости от характеристик каналов передачи информации и модификации свойств введенного искусственного сенсорного компонента обратной связи. Полученные результаты показывают концептуальное сходство наблюдений натурного эксперимента и искусственного численного эксперимента в части функционирования дополнительного канала обратной связи - как присутствие сходного эффекта перерегулирования, так и перспективы повышения качества управления путем настройки искусственного сенсорного компонента.

За последнее десятилетие представления о дисплазии соединительной ткани (ДСТ) коренным образом изменились. Появляется всё больше исследований, посвящённых изучению особенностей ведения пациентов с ДСТ и их соматического здоровья [1]. Но недостаточное внимание уделяется диагностике и профилактике таких осложнений. В данной работе рассмотрена задача разработки веб- приложения, которое позволит сократить время и увеличить точность диагностики данных патологических состояний.

Статья посвящена применению компьютерного зрения для решения задачи распознавания слов рукописного текста. Решение данной задачи описывается несколькими этапами: сегментация слов, распознавание текста слов. Цель модели сегментации слов - предсказать полигоны слов. Цель модели распознавания слов - предсказать текст на полигоне, предсказанном моделью сегментации.

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.

Контрольные карты Шухарта выступают как основной инструмент статистического управления процессами, позволяющий избежать потерь в производственных процессах. Рассматривается эффективность применения контрольных карт Шухарта как метода обнаружения разладки случайных процессов к системе, построенной на микросервисной архитектуре. Методами исследования являются сравнительный анализ и эксперимент. Результатами исследования является проведенная корреляция между выявленными аномалиями контрольными картами Шухарта и созданными инцидентами с рабочего стенда технической поддержкой.

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.

Рассматривается задача модерации комментариев с фильтрацией негативного контента. Используется фреймворк PySpark для анализа тональности комментариев на основе библиотеки Apache Spark. Алгоритм считывает текст комментария и определяет его эмоциональный окрас. Инструментарий может использоваться на образовательных веб-сервисах, где можно фильтровать негативные комментарии и предотвращать их появление на сайте, что в свою очередь улучшает качество контента и безопасность для пользователей.

Исследуются методы сравнения деревьев в теории графов. Алгоритмы основаны на метриках деревьев, комбинаторных характеристиках, их структурах и расстояниях, таких как редакционное расстояние или количество общих поддеревьев. Алгоритмы могут быть использованы для сравнения абстрактных синтаксических деревьев, чтобы определить сходство между различными текстами программ. Результаты сравнения могут быть использованы для автоматического нахождения плагиата кода и определения схожести программного обеспечения.