Методы и средства предиктивной аналитики и управления энергосистемами различного назначения на базе возобновляемых источников энергии
ПРОБЛЕМА: В современных цитируемых публикациях на тему оптимизации использования мобильных приложений часто употребляется термин «mobile apps overload», который описывает три типа избыточности при использовании мобильных устройств: количество установленных приложений, функции одного приложения, данные одного приложения. Технологии разработки рекомендательных систем для оптимизации мобильных вычислений является актуальным и перспективным направлением, поскольку, в настоящее время, существует запрос на оптимизацию парадигмы «операционная система - приложение», а также запрос на сокращение объемов информации в системах мобильных и смарт-устройств.
ЦЕЛЬ ПРОЕКТА: с практической точки зрения заключается в автоматизации управления приложениями на основе автоматического предиктивного перехода от приложений к функциям мобильного устройства при решении пользовательских задач; разработке технологии предиктивной адаптации мобильного пользовательского интерфейса, которая позволит, по сравнению с известными методами, снизить избыточность приложений, функций, данных; увеличить скорость обработки информации; реализовать и апробировать адаптивный пользовательский интерфейс.
АКТУАЛЬНОСТЬ: с теоретической точки зрения заключается в обосновании и установлении фундаментального закона предиктивной адаптации для сложных технических систем. Будет продемонстрировано, что интеллектуальный агент, основанный на глубоких моделях машинного обучения в процессе своей эволюции может приобрести те же адаптивные свойства, что и субъект живой природы.
ЯДРО ПРОЕКТА: модель адаптивного пользовательского интерфейса на базе мультиагентного обучения с подкреплением.
ССЫЛКИ: Scholar Google, GitHub, Kaggle
ИЗОБРАЖЕНИЯ:
ЦЕЛЬ ПРОЕКТА: с практической точки зрения заключается в автоматизации управления приложениями на основе автоматического предиктивного перехода от приложений к функциям мобильного устройства при решении пользовательских задач; разработке технологии предиктивной адаптации мобильного пользовательского интерфейса, которая позволит, по сравнению с известными методами, снизить избыточность приложений, функций, данных; увеличить скорость обработки информации; реализовать и апробировать адаптивный пользовательский интерфейс.
АКТУАЛЬНОСТЬ: с теоретической точки зрения заключается в обосновании и установлении фундаментального закона предиктивной адаптации для сложных технических систем. Будет продемонстрировано, что интеллектуальный агент, основанный на глубоких моделях машинного обучения в процессе своей эволюции может приобрести те же адаптивные свойства, что и субъект живой природы.
ЯДРО ПРОЕКТА: модель адаптивного пользовательского интерфейса на базе мультиагентного обучения с подкреплением.
ССЫЛКИ: Scholar Google, GitHub, Kaggle
ИЗОБРАЖЕНИЯ:
РУКОВОДИТЕЛЬ: Шахнов Вадим Анатольевич, Член-корр. Академии наук РФ, Зав. каф., д.т.н., профессор, кафедра «Проектирование и технология производства электронной аппаратуры» (ИУ4).
ПРОБЛЕМА: Исследования, проведенные Gartner, IDC, Ассоциацией больших данных и Ассоциацией «Искусственный интеллект в промышленности», говорят о возрастающем интересе к средствам аналитики больших данных и системам, разработанным с использованием методов глубокой аналитики и искусственного интеллекта для упрощения решения задач принятия управленческих решений на основе модели «Управление на основе данных». Ими отмечается, что прогнозная аналитика стала 100% работающей корневой частью бизнеса, неотъемлемым элементом принятия бизнес-решений, но все работы в данной области в зарубежных университетах и крупных компаниях ведутся в закрытом режиме. Именно поэтому одной из важнейших задач является разработка отечественных технологий предиктивной аналитики, превышающих по ряду показателей мировые аналоги.
ЦЕЛЬ ПРОЕКТА: заключается в разработке прототипа интеллектуальных унифицированных систем поддержки принятия стратегических решений, прогнозирования появления новых областей науки и техники на базе глубокой и прогнозной аналитики больших данных, позволяющих обосновать опережающие требования к подготовке будущих кадров для приоритетных направлений научно-технологического и стратегического развития Российской Федерации.
АКТУАЛЬНОСТЬ: обусловлена ростом интереса и спроса к средствам аналитики больших данных, технологиям искусственного интеллекта, предиктивной аналитике; ростом спроса на отечественное ПО (из-за глобального влияния решений, принимаемых при помощи технологий предиктивной аналитики, данная сфера остаётся одной из самых закрытых в мире); потребностью в инструментах мониторинга на фоне нестабильной геополитической ситуации.
ЯДРО ПРОЕКТА: прототип интеллектуальной унифицированной системы поддержки принятия стратегических решений и прогнозирования на базе глубокой и прогнозной аналитики больших данных.
ССЫЛКИ НА ПУБЛИКАЦИИ: Elibrary, Video
ИЗОБРАЖЕНИЯ:
ПРОБЛЕМА: Исследования, проведенные Gartner, IDC, Ассоциацией больших данных и Ассоциацией «Искусственный интеллект в промышленности», говорят о возрастающем интересе к средствам аналитики больших данных и системам, разработанным с использованием методов глубокой аналитики и искусственного интеллекта для упрощения решения задач принятия управленческих решений на основе модели «Управление на основе данных». Ими отмечается, что прогнозная аналитика стала 100% работающей корневой частью бизнеса, неотъемлемым элементом принятия бизнес-решений, но все работы в данной области в зарубежных университетах и крупных компаниях ведутся в закрытом режиме. Именно поэтому одной из важнейших задач является разработка отечественных технологий предиктивной аналитики, превышающих по ряду показателей мировые аналоги.
ЦЕЛЬ ПРОЕКТА: заключается в разработке прототипа интеллектуальных унифицированных систем поддержки принятия стратегических решений, прогнозирования появления новых областей науки и техники на базе глубокой и прогнозной аналитики больших данных, позволяющих обосновать опережающие требования к подготовке будущих кадров для приоритетных направлений научно-технологического и стратегического развития Российской Федерации.
АКТУАЛЬНОСТЬ: обусловлена ростом интереса и спроса к средствам аналитики больших данных, технологиям искусственного интеллекта, предиктивной аналитике; ростом спроса на отечественное ПО (из-за глобального влияния решений, принимаемых при помощи технологий предиктивной аналитики, данная сфера остаётся одной из самых закрытых в мире); потребностью в инструментах мониторинга на фоне нестабильной геополитической ситуации.
ЯДРО ПРОЕКТА: прототип интеллектуальной унифицированной системы поддержки принятия стратегических решений и прогнозирования на базе глубокой и прогнозной аналитики больших данных.
ССЫЛКИ НА ПУБЛИКАЦИИ: Elibrary, Video
ИЗОБРАЖЕНИЯ:
ПРИОРИТЕТ 2030^
Автор сайта: Dmitry Vidmanov, vidmanov@bmstu.ru