EWT-CGAN аугментация данных измерительных систем

Authors: Aleksey Erpalov, Vladimir Sinitsin, Aleksander Shestakov

Source: Информатика и автоматизация, Vol 24, Iss 4, Pp 1157-1181 (2025)

Subject Terms: диагностика оборудования, сигналы с датчиков, аугментация, синтетические данные, эмпирическое вейвлет преобразование, генеративные состязательные сети, Electronic computers. Computer science, QA75.5-76.95

File Description: electronic resource

Relation: https://ia.spcras.ru/index.php/sp/article/view/16977; https://doaj.org/toc/2713-3192; https://doaj.org/toc/2713-3206

Access URL: https://doaj.org/article/b090c7b087f248eaa88bdba8ae28b4ac

Комплексный подход к формированию набора данных для прогнозирования ущерба от чрезвычайных ситуаций и оптимизации сил и средств

Authors: Anatoliy V. Rybakov, Evgeniy V. Posternak

Source: Вестник Университета гражданской защиты МЧС Беларуси, Vol 9, Iss 3, Pp 310-324 (2025)

Subject Terms: чрезвычайные ситуации, синтетические данные, антропогенные показатели, нейронная сеть, ущерб, силы и средства, машинное обучение, Crisis management. Emergency management. Inflation, HD49-49.5

File Description: electronic resource

Relation: https://journals.ucp.by/index.php/jcp/article/view/867; https://doaj.org/toc/2519-237X; https://doaj.org/toc/2708-017X

Access URL: https://doaj.org/article/2388006cf14b4cc6a7a90f8e4e534017

Testing the CRM model adaptation based on hydrodynamic modeling data

Source: Нефтяная провинция. :139-152

Subject Terms: Capacitance Resistance Model, analytical models, mathematical modeling, синтетические данные, modeling, synthetic data, моделирование, well operation, Capacity Resistance Model, oil reservoir, well constraints, аналитические модели, прокси-моделирование, емкостно-резистивные модели, нефтяной пласт, proxy modeling, гидродинамические модели, hydrodynamic models, математическое моделирование, режимы работы скважин

Enhancing bankruptcy prediction efficiency using synthetic data ; Повышение эффективности прогнозирования банкротств при помощи синтетических данных

Authors: Лашкевич, Елизавета В.

Source: Business Informatics; Vol 19 No 3 (2025); 22-47 ; Бизнес-информатика; Том 19 № 3 (2025); 22-47 ; 2587-8158 ; 2587-814X ; 10.17323/2587-814X.2025.3

Subject Terms: synthetic data, financial insolvency prediction, class imbalance, синтетические данные, прогнозирование финансовой несостоятельности, дисбаланс классов

File Description: application/pdf

Relation: https://bijournal.hse.ru/article/view/28364/23092; https://bijournal.hse.ru/article/view/28364/23093; https://bijournal.hse.ru/article/view/28364

Availability: https://bijournal.hse.ru/article/view/28364
https://doi.org/10.17323/2587-814X.2025.3.22.47

Разработка и верификация методов приватности и анонимизации данных при обучении и эксплуатации генеративных моделей в корпоративных IT-продуктах

Subject Terms: приватность данных, верификация данных, генеративные модели, корпоративные IT-продукты, дифференциальная приватность, синтетические данные, большие языковые модели (LLM), анонимизация, утечка данных, машинное обучение

Разработка и верификация методов приватности и анонимизации данных при обучении и эксплуатации генеративных моделей в корпоративных IT-продуктах

Subject Terms: приватность данных, верификация данных, генеративные модели, корпоративные IT-продукты, дифференциальная приватность, синтетические данные, большие языковые модели (LLM), анонимизация, утечка данных, машинное обучение

Синтетические данные в фитосанитарном прогнозировании

Subject Terms: фитосанитарные прогнозы, фитосанитарное прогнозирование, методы синтетических данных, реальные наборы данных, синтетические данные, системы интеллектуального анализа, статистическая модель данных

File Description: application/pdf

Access URL: https://elib.belstu.by/handle/123456789/68796

GENERATION OF SYNTHETICAL MEDICAL DATA BY MDR-ANALYSIS

Authors: Sazonova, Kateryna, Nosovets, Olena, Babenko, Vitalii, Averianova, Olga

Contributors: ELAKPI

Source: Proceedings of the National Aviation University; Vol. 87 No. 2 (2021); 31-36
Вестник Национального авиационного университета; Том 87 № 2 (2021); 31-36
Вісник Національного Авіаційного Університету; Том 87 № 2 (2021); 31-36

Subject Terms: корреляция, энтропия, MDR-анализ, направленість зв'язку, MDR aналіз, data generation, MDR-analysis, синтетические данные, synthetic data, генерация данных, синтетичні дані, MDR-aналіз, correlation, кореляція, communication direction, генерація даних, ентропія, енерація даних, entropy, направленность связи

File Description: application/pdf

Access URL: https://jrnl.nau.edu.ua/index.php/visnik/article/download/15719/22922
http://jrnl.nau.edu.ua/index.php/visnik/article/view/15719
https://conference.nau.edu.ua/index.php/visnik/article/download/15719/22922
https://ela.kpi.ua/handle/123456789/47108

Использование моделей глубокого обучения для обнаружения аномалий в логах в процессе разработки программного обеспечения : магистерская диссертация

Authors: Divenko, A. S.

Contributors: Чернышов. Ю. Ю., Chernyshov, Yu. Yu., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления

Subject Terms: DEEP LEARNING MODELS, SYNTHETIC DATA, SOFTWARE DEVELOPMENT, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, СИНТЕТИЧЕСКИЕ ДАННЫЕ, MASTER'S THESIS, АНОМАЛИИ В ЛОГАХ, РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ, LOG ANOMALIES, МОДЕЛИ ГЛУБОКОГО ОБУЧЕНИЯ

File Description: application/pdf

Access URL: http://elar.urfu.ru/handle/10995/140502

Исследование и реализация метода синтеза вариационного автоэнкодера и генеративно-состязательных сетей в задачах создания новых медицинских данных

Authors: Лаптев, Владислав Витальевич

Contributors: Гергет, Ольга Михайловна

Subject Terms: синтетические данные, алгоритм, искусственные нейронные сети, интеллектуальные системы, вариационный автоэнкодер, генеративно-состязательные сети, модель, synthetic data, algorithm, artificial neural networks, intelligent systems, variational autoencoder, generative adversarial networks, model, 09.04.01, 004.7.032.26:004.312.26:616-07

File Description: application/pdf

Relation: http://earchive.tpu.ru/handle/11683/66490

Availability: http://earchive.tpu.ru/handle/11683/66490

Синтетические данные в фитосанитарном прогнозировании

Authors: Ибрагимов, Т. З., Санин, С. С., Рулева, О. М., Корнева, Л. Г., Карлова, Л. В.

Subject Terms: синтетические данные, системы интеллектуального анализа, методы синтетических данных, реальные наборы данных, статистическая модель данных, фитосанитарные прогнозы, фитосанитарное прогнозирование

File Description: application/pdf

Relation: https://elib.belstu.by/handle/123456789/68796; 632.952.633

Availability: https://elib.belstu.by/handle/123456789/68796

ТЕНДЕНЦИИ СПОРТИВНОГО МАРКЕТИНГА

Subject Terms: спортивное спонсорство, sports marketing, бренды, brands, sports advertising, storytelling, спортивный маркетинг, реклама спорта, синтетические данные, sports sponsorship, сторителлинг, synthetic data, 12. Responsible consumption

Использование моделей глубокого обучения для обнаружения аномалий в логах в процессе разработки программного обеспечения : магистерская диссертация

Utilizing deep learning models to detect log anomalies during software development

Authors: Дивенко, А. С., Divenko, A. S.

Thesis Advisors: Чернышов. Ю. Ю., Chernyshov, Yu. Yu., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления

Subject Terms: MASTER'S THESIS, LOG ANOMALIES, DEEP LEARNING MODELS, SOFTWARE DEVELOPMENT, SYNTHETIC DATA, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, АНОМАЛИИ В ЛОГАХ, МОДЕЛИ ГЛУБОКОГО ОБУЧЕНИЯ, РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ, СИНТЕТИЧЕСКИЕ ДАННЫЕ

File Description: application/pdf

Availability: http://elar.urfu.ru/handle/10995/140502

ЭКСПЕРИМЕНТЫ С ОБУЧЕНИЕМ МЕТОДОВ РАСПОЗНАВАНИЯ ДОРОЖНЫХ ЗНАКОВ НА СИНТЕТИЧЕСКИХ ДАННЫХ

Authors: Чигорин, А., Конушин, А.

Subject Terms: РАСПОЗНАВАНИЕ ОБРАЗОВ,АЛГОРИТМ КЛАССИФИКАЦИИ,СИНТЕТИЧЕСКИЕ ДАННЫЕ,ЗНАКИ ДОРОЖНОГО ДВИЖЕНИЯ

File Description: text/html

Availability: http://cyberleninka.ru/article/n/eksperimenty-s-obucheniem-metodov-raspoznavaniya-dorozhnyh-znakov-na-sinteticheskih-dannyh
http://cyberleninka.ru/article_covers/15518585.png

АНАЛИЗ МЕТОДОВ ГЕНЕРАЦИИ ВРЕМЕННЫХ РЯДОВ С ДОЛГОВРЕМЕННОЙ КОРРЕЛЯЦИОННОЙ СТРУКТУРОЙ

Authors: Кесиян, Грант, Уртенов, Махамет, Шахмеликян, Тимур

Subject Terms: TIME SERIES,LONG-TERM CORRELATION STRUCTURE,EXPONENT HURST,FDN-PROCESS,ORDER COMPLEXITY OF ALGORITHM,SYNTHETIC DATA,ВРЕМЕННЫЕ РЯДЫ,ДОЛГОВРЕМЕННАЯ КОРРЕЛЯЦИОННАЯ СТРУКТУРА,ЭКСПОНЕНТА ХЕРСТА,FDN-ПРОЦЕСС,ПОРЯДОК СЛОЖНОСТИ АЛГОРИТМА,СИНТЕТИЧЕСКИЕ ДАННЫЕ

File Description: text/html

Availability: http://cyberleninka.ru/article/n/analiz-metodov-generatsii-vremennyh-ryadov-s-dolgovremennoy-korrelyatsionnoy-strukturoy
http://cyberleninka.ru/article_covers/15214835.png

Эксперименты с обучением методов распознавания дорожных знаков на синтетических данных

Source: Наука и образование: научное издание МГТУ им. Н.Э. Баумана.

Subject Terms: РАСПОЗНАВАНИЕ ОБРАЗОВ,АЛГОРИТМ КЛАССИФИКАЦИИ,СИНТЕТИЧЕСКИЕ ДАННЫЕ,ЗНАКИ ДОРОЖНОГО ДВИЖЕНИЯ

File Description: text/html

Access URL: http://cyberleninka.ru/article/n/eksperimenty-s-obucheniem-metodov-raspoznavaniya-dorozhnyh-znakov-na-sinteticheskih-dannyh
http://cyberleninka.ru/article_covers/15518585.png

Анализ методов генерации временных рядов с долговременной корреляционной структурой

Source: Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета.

Subject Terms: ВРЕМЕННЫЕ РЯДЫ, ДОЛГОВРЕМЕННАЯ КОРРЕЛЯЦИОННАЯ СТРУКТУРА, ЭКСПОНЕНТА ХЕРСТА, FDN-ПРОЦЕСС, ПОРЯДОК СЛОЖНОСТИ АЛГОРИТМА, СИНТЕТИЧЕСКИЕ ДАННЫЕ

File Description: text/html

Access URL: http://cyberleninka.ru/article/n/analiz-metodov-generatsii-vremennyh-ryadov-s-dolgovremennoy-korrelyatsionnoy-strukturoy
http://cyberleninka.ru/article_covers/15214835.png

Использование моделей глубокого обучения для обнаружения аномалий в логах в процессе разработки программного обеспечения : магистерская диссертация ; Utilizing deep learning models to detect log anomalies during software development

Authors: Дивенко, А. С., Divenko, A. S.

Contributors: Чернышов. Ю. Ю., Chernyshov, Yu. Yu., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления

Subject Terms: MASTER'S THESIS, LOG ANOMALIES, DEEP LEARNING MODELS, SOFTWARE DEVELOPMENT, SYNTHETIC DATA, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, АНОМАЛИИ В ЛОГАХ, МОДЕЛИ ГЛУБОКОГО ОБУЧЕНИЯ, РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ, СИНТЕТИЧЕСКИЕ ДАННЫЕ

File Description: application/pdf

Relation: http://elar.urfu.ru/handle/10995/140502

Availability: http://elar.urfu.ru/handle/10995/140502

ИСПОЛЬЗОВАНИЕ КЛЕТОЧНЫХ АВТОМАТОВ ДЛЯ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ РАСПРОСТРАНЕНИЯ ЗАГРЯЗНЕНИЯ АТМОСФЕРНОГО ВОЗДУХА В УСЛОВИЯХ МЕГАПОЛИСА

Subject Terms: клеточные автоматы, пространственные модели, синтетические данные