БОЛЬШИЕ ДАННЫЕ (BIG DATA) И ИСКУСТВЕННЫЙ ИНТЕЛЛЕКТ (AI) ДЛЯ ИНТЕЛЛЕКТУАЛЬНОГО УПРАВЛЕНИЯ ГОРОДСКИМ ТРАНСПОРТОМ В УЗБЕКИСТАНЕ

Authors: T.A. Хужакулов

Subject Terms: Большие данные, искусственный интеллект, интеллектуальная транспортная система, прогнозирование трафика, графовые нейронные сети, городские транспортные потоки, Узбекистан

Aspects of organizing game interactions among asymmetric agents using graph neural networks

Authors: A. O. Isakov, D. E. Peregorodiev, I. V. Tomilov, N. F. Gusarova, A. A. Golubev

Source: Научно-технический вестник информационных технологий, механики и оптики, Vol 24, Iss 6, Pp 1044-1048 (2024)

Subject Terms: теория графов, графовые нейронные сети, обучение с подкреплением, многоагентные системы, кооперативно-состязательное поведение, Information technology, T58.5-58.64

File Description: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/411; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Access URL: https://doaj.org/article/b2b2c10102964e5ead0ca2d2123df2a8

Predicting gene-disease associations using a heterogeneous graph neural network

Authors: D. A. Sidorenko, A. A. Shalyto

Source: Научно-технический вестник информационных технологий, механики и оптики, Vol 24, Iss 4, Pp 594-601 (2024)

Subject Terms: машинное обучение, графовые нейронные сети, гетерогенные информационные сети, биоинформатика, генетика, предсказание «ген-болезнь» ассоциаций, Information technology, T58.5-58.64

File Description: electronic resource

Relation: https://ntv.elpub.ru/jour/article/view/235; https://doaj.org/toc/2226-1494; https://doaj.org/toc/2500-0373

Access URL: https://doaj.org/article/1114c058cce74923a1aac023b96842b9

Development and research of neural network algorithms for fast reconstruction of particle tracks ; Разработка и исследование нейросетевых алгоритмов быстрой реконструкции треков частиц

Authors: Чернов, А. М., Ершов, Н. М.

Source: System Analysis in Science and Education = Sistemnyj analiz v nauke i obrazovanii; No. 2 (2025); 66-72 ; Системный анализ в науке и образовании; № 2 (2025); 66-72 ; 2071-9612

Subject Terms: трекинг частиц, преобразование Хафа, самоорганизующиеся карты Кохонена, графовые нейронные сети, particle tracking, Hough transform, self-organizing Kohonen maps, graph neural networks

File Description: application/pdf

Relation: https://sanse.ru/index.php/sanse/article/view/666/631; https://sanse.ru/index.php/sanse/article/view/666

Availability: https://sanse.ru/index.php/sanse/article/view/666

Применение графовые нейронные сети и его модификации с обучения с подкреплением в системах рекомендаций

Subject Terms: AutoCF, Обучение с подкреплением, Графовые нейронные сети, Skip-connection, NDCG@20, LightGCL, MGDCF, Контрастивное обучение, XSimGCL, Двойная глубокая Q-сеть, Рекомендательные системы, Гибридная модель GNN-RL, GFormer

Применение графовые нейронные сети и его модификации с обучения с подкреплением в системах рекомендаций

Subject Terms: AutoCF, Обучение с подкреплением, Графовые нейронные сети, Skip-connection, NDCG@20, LightGCL, MGDCF, Контрастивное обучение, XSimGCL, Двойная глубокая Q-сеть, Рекомендательные системы, Гибридная модель GNN-RL, GFormer

Применение методов машинного обучения в агентном моделировании

Subject Terms: k ближайших соседей, градиентный бустинг, случайный лес, нейронные сети, гауссовский процесс, графовые нейронные сети, метод опорных векторов, агентное моделирование, машинное обучение, деревья принятия решений

Применение методов машинного обучения в агентном моделировании

Subject Terms: k ближайших соседей, градиентный бустинг, случайный лес, нейронные сети, гауссовский процесс, графовые нейронные сети, метод опорных векторов, агентное моделирование, машинное обучение, деревья принятия решений

Разработка прототипа системы управления в сфере логистики и транспорта, основанной на технологии обработки данных с использованием ML : магистерская диссертация

Authors: Ivanov, I. A.

Contributors: Коломыцева, А. О., Kolomytseva, A. O., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления

Subject Terms: GRAPH NEURAL NETWORKS, ЦИФРОВАЯ ПЛАТФОРМА, DIGITAL PLATFORM, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, ОНЛАЙН-БРОНИРОВАНИЕ, MASTER'S THESIS, УПРАВЛЕНИЕ ЦЕПЯМИ ПОСТАВОК, AUTOMATION, TRANSFORMERS, NEURAL NETWORKS, ETA, ML, НЕЙРОННЫЕ СЕТИ, ONLINE BOOKING, АВТОМАТИЗАЦИЯ, SUPPLY CHAIN MANAGEMENT, MACHINE LEARNING, МАШИННОЕ ОБУЧЕНИЕ, ТРАНСФОРМЕРЫ, LTL, ГРАФОВЫЕ НЕЙРОННЫЕ СЕТИ

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/140509

МЕТОД ПРОГНОЗИРОВАНИЯ ОШИБКИ ВРЕМЕНИ ОБУЧЕНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ВОССТАНОВЛЕНИЯ МНОГОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ

Subject Terms: autoencoder, neural network models, поиск архитектуры нейросетей, graph neural networks, восстановление пропущенных значений, missing value imputation, performance prediction, время обучения, neural architecture search, автоэнкодер, ошибка, механизм внимания, графовые нейронные сети, time series, attention mechanism, временные ряды, нейросетевые модели

Semantic models and tools for the development of artificial neural networks and their integration into knowledge bases ; Семантические модели и средства разработки искусственных нейронных сетей и их интеграции с базами знаний

Authors: M. V. Kovalev, М. В. Ковалёв

Source: Informatics; Том 20, № 3 (2023); 90-105 ; Информатика; Том 20, № 3 (2023); 90-105 ; 2617-6963 ; 1816-0301

Subject Terms: онтологии, problem-solving methods, artificial neural networks, graph neural networks, knowledge bases, ontologies, методы решения задач, искусственные нейронные сети, графовые нейронные сети, базы знаний

File Description: application/pdf

Relation: https://inf.grid.by/jour/article/view/1261/1063; Attention Is All You Need [Electronic resource] / A. Vaswani [et al.]. - 2017. - Mode of access: https://doi.org/10.48550/arXiv.1706.03762. - Date of access: 20.06.2023.; Training Language Models to Follow Instructions with Human Feedback [Electronic resource] / L. Ouyang [et al.]. - 2022. - Mode of access: https://doi.org/10.48550/arXiv.2203.02155. - Date of access: 20.06.2023.; Radford, A. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks [Electronic resource] / A. Radford, L. Metz, S. Chintala. - 2016. - Mode of access: https://doi.org/10.48550/arXiv.1511.06434. - Date of access: 20.06.2023.; Kejriwal, M. Knowledge graphs: A practical review of the research landscape [Electronic resource] / M. Kejriwal // Applied Sciences. - 2022. - Vol. 13(4), no. 161. - Mode of access: https://doi.org/10.3390/info13040161. - Date of access: 20.06.2023.; Tsamoura, E. Neural-symbolic integration: a compositional perspective / E. Tsamoura, T. Hospedales, L. Michael // Proceedings of the AAAI Conf. on Artificial Intelligence, held virtually, 2-9 Feb. 2021. - Vol. 35, no. 6. - P. 5051-5060. https://doi.org/10.1609/aaai.v35i6.16639; Deep Learning Meets Knowledge Graphs: A Comprehensive Survey [Electronic resource] / S. Yu [et al.]. - 2022. - Mode of access: https://doi.org/10.21203/rs.3.rs-2021923/v1. - Date of access: 20.06.2023.; Golenkov, V. Next-generation intelligent computer systems and technology of complex support of their life cycle / V. V. Golenkov, N. A. Gulyakina // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2022) : сб. науч. тр. / редкол.: В. В. Голенков [и др.]. - Минск : БГУИР, 2022. - Вып. 6. - P. 27-40.; Stokel-Walker, C. AI chatbots are coming to search engines - can you trust the results? [Electronic resource] / C. Stokel-Walker // Nature. - 2023. - Mode of access: https://www.nature.com/articles/d41586-023-00423-4. - Date of access: 20.06.2023.; Hoy, M. B. Alexa, Siri, Cortana, and More: An introduction to voice assistants / M. B. Hoy // Medical Reference Services Quarterly. - 2018. - Vol. 37, no. 1. - P. 81-88.; Wiley, V. Computer vision and image processing: A paper review / V. Wiley, T. Lucas // International J. of Artificial Intelligence Research. - 2018 - Vol. 2, no. 1. - P. 28-36. https://doi.org/10.29099/ijair.v2i1.42; A survey on state-of-the-art techniques for knowledge graphs construction and challenges ahead / A. Hur [et al.] // IEEE Fourth Intern. Conf. on Artificial Intelligence and Knowledge Engineering (AIKE), Laguna Hills, 1-3 Dec. 2021. - Laguna Hills, 2021. - P. 99-103. https://doi.org/10.1109/AIKE52691.2021.00021; A neural-symbolic approach to computer vision / A. Kroshchanka [et al.] // Communications in Computer and Information Science : Proceedings of the 11th Intern. Conf. "Open Semantic Technologies for Intelligent Systems" (OSTIS-2021), Minsk, 16-18 Sept. 2021. - Cham : Springer, 2022. - Vol. 1625. - P. 282-309. https://doi.org/10.1007/978-3-031-15882-7_15; Интеграция искусственных нейронных сетей с базами знаний / В. А. Головко [и др.] // Онтология проектирования. - 2018. - Т. 8, № 3(29). - С. 366-386. https://doi.org/10.18287/2223-9537-2018-8-3-366-386; Nielsen, F. A. Inferring visual semantic similarity with deep learning and Wikidata: Introducing / F. A. Nielsen L. K. Hansen // CEUR Workshop Proceedings : Proceedings of the First Workshop on "Deep Learning for Knowledge Graphs and Semantic Technologies" (DL4KGS) co-located with the 15th "Extended Semantic Web Conf." (ESWC 2018), Heraklion, 4 June 2018. - Heraklion, 2018. - Vol. 2106. - P. 56-61.; Modeling relational data with graph convolutional networks / M. Schlichtkrull [et al.] // Lecture Notes in Computer Science : Proceedings of the 15th Intern. Conf. "European Semantic Web Conf." (ESWC 2018), Heraklion, 3-7 June 2018. - Cham : Springer, 2018. - Vol. 10843. - P. 593-607. https://doi.org/10.1007/978-3-319-93417-4_38; Comet, M. Clustering knowledge graphs [Electronic resource] / M. Comet, L. Teresa // Seminar Paper. - 2018. - P. 1-12. - Mode of access: https://doi.org/10.13140/RG.2.2.12494.08008. - Date of access: 20.06.2023.; Saranya, A. A systematic review of explainable artificial intelligence models and applications: Recent developments and future trends / A. Saranya, R. Subhashini // Decision Analytics J. - 2023. - Vol. 7. - P. 100-230. https://doi.org/10.1016/j.dajour.2023.100230; Averkin, A. Explainable artificial intelligence: rules extraction from neural networks / A. Averkin, S. Yarushev // Proceedings of the 11th Intern. Conf. on Theory and Application of Soft Computing, Computing with Words and Perceptions and Artificial Intelligence (ICSCCW-2021), Antgalya, 26-27 Aug. 2021. - Antgalya, 2021. - Vol. 362. - P. 102-109. https://doi.org/10.1007/978-3-030-92127-9_17; Castelvecchi, D. Can we open the black box of AI? / D. Castelvecchi // Nature. - 2016. - Vol. 538, no. 7623. - P. 20-23.; Chomsky, N. The False Promise of ChatGPT / N. Chomsky, I. Roberts, J. Watumull. - Mode of access: https://www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html. - Date of access: 20.06.2023.; Технология комплексной поддержки жизненного цикла семантически совместимых интеллектуальных компьютерных систем нового поколения / под общ. ред. В. В. Голенкова. - Минск : Бестпринт, 2023. - Гл. 3.6. - 1064 с.; Kovalev, M. Convergence and integration of artificial neural networks with knowledge bases in next-generation intelligent computer systems / M. V. Kovalev, A. A. Kroshchanka, V. A. Golovko // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2022) : сб. науч. тр. / редкол.: В. В. Голенков [и др.]. - Минск : БГУИР, 2022. - Вып. 6. - С. 173-186.; eXnet: an efficient approach for emotion recognition in the wild / M. N. Riaz [et al.] // Sensors. - 2020. - Vol. 20(4), no. 1087. - P. 1-17. https://doi.org/10.3390/s20041087; Integration of large language models with knowledge bases of intelligent systems / K. Bantsevich [et al.] // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2022) : сб. науч. тр. / редкол.: В. В. Голенков [и др.]. - Минск : БГУИР, 2023. - Вып. 7. - P. 213-218.; Xinyi, Z. Capsule graph neural network [Electronic resource] / Z. Xinyi, L. Chen // Intern. Conf. on Learning Representations. - 2019. - Mode of access: https://openreview.net/forum?id=Byl8BnRcYm. - Date of access: 20.06.2023.; https://inf.grid.by/jour/article/view/1261

Availability: https://inf.grid.by/jour/article/view/1261
https://doi.org/10.37661/1816-0301-2023-20-3-90-105

КОМБИНИРОВАННЫЙ ПОДХОД К РЕКОНСТРУКЦИИ АССОЦИАТИВНЫХ СЕТЕЙ: ОБЪЕДИНЕНИЕ GRAPHSAGE И СТАТИСТИКИ СОВМЕСТНОЙ ВСТРЕЧАЕМОСТИ

Subject Terms: molecular-genetic interactions, ANDSystеm, ANDSystem, text-mining, молекулярно-генетические взаимодействия, Escherichia coli, graph neural networks, ANDDigest, графовые нейронные сети, GraphSAGE, автоматический анализ текстов

Разработка прототипа системы управления в сфере логистики и транспорта, основанной на технологии обработки данных с использованием ML : магистерская диссертация

Development of a prototype management system in the field of logistics and transport based on data processing technology using ML

Authors: Иванов, И. А., Ivanov, I. A.

Thesis Advisors: Коломыцева, А. О., Kolomytseva, A. O., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления

Subject Terms: MASTER'S THESIS, ETA, LTL, ML, AUTOMATION, GRAPH NEURAL NETWORKS, MACHINE LEARNING, NEURAL NETWORKS, TRANSFORMERS, ONLINE BOOKING, SUPPLY CHAIN MANAGEMENT, DIGITAL PLATFORM, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, АВТОМАТИЗАЦИЯ, ГРАФОВЫЕ НЕЙРОННЫЕ СЕТИ, МАШИННОЕ ОБУЧЕНИЕ, НЕЙРОННЫЕ СЕТИ, ТРАНСФОРМЕРЫ, ОНЛАЙН-БРОНИРОВАНИЕ, УПРАВЛЕНИЕ ЦЕПЯМИ ПОСТАВОК, ЦИФРОВАЯ ПЛАТФОРМА

File Description: application/pdf

Availability: http://elar.urfu.ru/handle/10995/140509

Разработка прототипа системы управления в сфере логистики и транспорта, основанной на технологии обработки данных с использованием ML : магистерская диссертация ; Development of a prototype management system in the field of logistics and transport based on data processing technology using ML

Authors: Иванов, И. А., Ivanov, I. A.

Contributors: Коломыцева, А. О., Kolomytseva, A. O., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления

Subject Terms: MASTER'S THESIS, ETA, LTL, ML, AUTOMATION, GRAPH NEURAL NETWORKS, MACHINE LEARNING, NEURAL NETWORKS, TRANSFORMERS, ONLINE BOOKING, SUPPLY CHAIN MANAGEMENT, DIGITAL PLATFORM, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, АВТОМАТИЗАЦИЯ, ГРАФОВЫЕ НЕЙРОННЫЕ СЕТИ, МАШИННОЕ ОБУЧЕНИЕ, НЕЙРОННЫЕ СЕТИ, ТРАНСФОРМЕРЫ, ОНЛАЙН-БРОНИРОВАНИЕ, УПРАВЛЕНИЕ ЦЕПЯМИ ПОСТАВОК, ЦИФРОВАЯ ПЛАТФОРМА

File Description: application/pdf

Relation: http://elar.urfu.ru/handle/10995/140509

Availability: http://elar.urfu.ru/handle/10995/140509

Graph neural network methods for analysing urban transport topology in several cities ; Методы графовых нейронных сетей для анализа топологии городского транспорта нескольких городов

Authors: Чжоу Цзяхуэй, Czou Czahuej

Contributors: Еремин Никита Алексеевич, Eremin Nikita Alekseevic, Блеканов Иван Станиславович, Blekanov Ivan Stanislavovic

Subject Terms: Графовые конволюционные сети, графовые нейронные сети внимания, алгоритм Directed Louvain, алгоритм Directed Label Propagation, алгоритм Infomap, топология городского транспорта, Graph Convolutional Networks，Graph Attention Neural Networks，The Directed Louvain algorithm，The Directed Label Propagation Algorithm，The Infomap algorithm，urban transport topology

Relation: 113014; http://hdl.handle.net/11701/47198

Availability: http://hdl.handle.net/11701/47198

Neural network methods in fraud detection applications ; Использование нейросетевых методов в прикладных задачах определения мошенничества

Authors: Пивнев Игорь Алексеевич, Pivnev Igor Alekseevic

Contributors: Блеканов Иван Станиславович, Blekanov Ivan Stanislavovic, Головкина Анна Геннадьевна, Golovkina Anna Gennadevna

Subject Terms: Определение мошенничества, нейросетевые методы, графовые нейронные сети, мошеннические отзывы, глубокое обучение, классификация отзывов, Fraud detection, neural network methods, graph neural networks, fraudulent reviews, deep learning, classification of reviews

Relation: 087940; http://hdl.handle.net/11701/46420

Availability: http://hdl.handle.net/11701/46420

Investigation of graph neural networks for analysing and predicting time series ; Исследование графовых нейронных сетей для анализа и прогнозирования временных рядов

Authors: Могильников Дмитрий Алексеевич, Mogilnikov Dmitrij Alekseevic

Contributors: Насонов Алексей Юрьевич, Nasonov Aleksej Urevic, Головкина Анна Геннадьевна, Golovkina Anna Gennadevna

Subject Terms: временные ряды, графовые нейронные сети, рекуррентные нейронные сети, прогнозирование трафика, микросервисы, производительность микросервиса, прогнозирование показателей, time series, graph neural networks, recurrent neural networks, traffic prediction, microservices, microservice performance, metrics prediction

Relation: 068246; http://hdl.handle.net/11701/45865

Availability: http://hdl.handle.net/11701/45865

Training for optimal resource allocation in wireless communication systems ; Обучение оптимальному распределению ресурсов в системах беспроводной связи

Authors: Сунь Цюши, Sun Cusi

Contributors: Ли Инь, Li In, Петросян Ованес Леонович, Petrosan Ovanes Leonovic

Subject Terms: Графовые нейронные сети, беспроводные сети, обучение с подкреплением, глубокое обучение, распределение ресурсов, Graph Neural Networks, Wireless Networks, Reinforcement Learning, Deep Learning, Resource Allocation

Relation: 059656; http://hdl.handle.net/11701/45807

Availability: http://hdl.handle.net/11701/45807

Deep neural networks application to tracking problem for the GEM detector from the BM@N experiment of the NICA megaproject ; Применение глубоких нейронных сетей к задаче трекинга для детектора GEM в эксперименте BM@N мегапроекта NICA

Authors: Щавелев Егор Михайлович, Savelev Egor Mihajlovic

Contributors: Тимошенко Денис Максимович, Timosenko Denis Maksimovic, Гришкин Валерий Михайлович, Griskin Valerij Mihajlovic

Subject Terms: нейронные сети, искусственные нейронные сети, рекуррентные нейронные сети, графовые нейронные сети, минимальное связующее дерево, минимальное остовное дерево, машинное обучение, большие данные, детектор, частиц, RNN, GNN, recurrent neural network, graph neural network, neural networks, MST, MBT, minimum spanning tree, minimum branching tree, tracking, particles, machine learning, big data, detector, GEM detector

Relation: 030658; http://hdl.handle.net/11701/25676

Availability: http://hdl.handle.net/11701/25676

Deep Learning with TensorFlow and Keras

Authors: Kapoor A., Gulli A., Pal S., Kapoor A., Gulli A., Pal S., Chollet F.

Subject Terms: 50.49, 004.032.26

Subject Geographic: convolutional neural networks, graph neural networks, machine learning, neural networks, recurrent neural networks, графовые нейронные сети, нейронные сети, машинное обучение, рекуррентные нейронные сети, сверточные нейронные сети

Relation: 3402545

Availability: http://repo.ssau.ru/handle/eBooks/Deep-Learning-with-TensorFlow-and-Keras-113439